一种基于深度强化学习的双电机电动汽车自适应能量管理方法

本发明提供一种基于深度强化学习的双电机电动汽车自适应能量管理方法，目的是提升双电机系统的能量利用效率和工况适应性。首先建立车辆动力学模型、动力电池模型及驱动电机模型；然后构建基于深度确定性策略梯度DDPG的能量管理策略网络；将整车需求扭矩、电池荷电状态SOC和车辆速度作为状态空间，前后电机扭矩分配系数作为动作空间，创新设计基于双电机效率差异的奖励函数，并利用标准工况数据训练DDPG网络，得到能最大化累积回报的智能体；在实际行驶中，通过该智能体实时输出最优扭矩分配系数，实现自适应的整车能量管理。