[发明专利]一种基于深度强化学习的换挡策略动态优化方法有效
| 申请号： | 201911076016.X | 申请日： | 2019-11-06 |
| 公开（公告）号： | CN110716550B | 公开（公告）日： | 2022-07-22 |
| 发明（设计）人： | 陈刚;袁靖;张介;顾爱博;周楠;王和荣;苏树华;陈守宝;王良模;王陶 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G05D1/02 | 分类号： | G05D1/02 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 张玲 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于工程机械及车辆工程领域，具体涉及一种基于深度强化学习的换挡策略动态优化方法。包括如下步骤：(1)：确定换挡策略状态输入变量和动作输出变量；(2)：根据状态输入变量和动作输出变量，确定换挡策略马尔科夫决策过程；(3)：根据换挡策略目标建立强化学习换挡策略奖励函数；(4)：根据马尔科夫决策过程和奖励函数，求解深度强化学习换挡策略；(5)：将步骤(4)计算出的预测Q网络放入换挡策略控制器，工程机械及车辆在行驶过程中，工程机械及车辆根据换挡策略控制器选择挡位；(6)：在行驶过程中定期更新预测Q网络。本发明通过深度强化学习方法对换挡策略进行更新，实现换挡策略的动态优化。 | ||
| 搜索关键词： | 一种 基于 深度 强化 学习 换挡 策略 动态 优化 方法 | ||
【主权项】：
1.一种基于深度强化学习的换挡策略动态优化方法，其特征在于，包括如下步骤：/n步骤(1)：确定换挡策略状态输入变量和动作输出变量；/n步骤(2)：根据步骤(1)的状态输入变量和动作输出变量，确定换挡策略马尔科夫决策过程；/n步骤(3)：根据换挡策略目标建立强化学习换挡策略奖励函数；/n步骤(4)：根据步骤(2)中的马尔科夫决策过程和步骤(3)中的奖励函数，求解深度强化学习换挡策略；具体为首先通过马尔可夫决策过程及奖励函数计算马尔可夫链，将马尔可夫链保存入经验池，然后根据经验池中数据更新深度强化学习换挡策略中的预测Q网络；/n步骤(5)：将步骤(4)计算出的预测Q网络放入换挡策略控制器，在行驶过程中，工程机械及车辆根据换挡策略控制器选择挡位；/n步骤(6)：在行驶过程中，采集工程机械及车辆行驶数据保存进经验池，并定期更新预测Q网络，更新完成后将预测Q网络放入换挡策略控制器，实现对换挡策略进行动态优化。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911076016.X/，转载请声明来源钻瓜专利网。
