改进的深度强化学习控制技术，通过电液复合系统实现轮毂电机驱动电动汽车中的防抱死制动功能

《Scientific Reports》：Improved deep reinforcement learning controls anti-lock braking via electro-hydraulic composite systems in in-wheel motor-driven electric vehicles

　　

摘要

对于轮毂电机驱动的电动汽车而言，实现抗锁死制动控制颇具挑战性，因为电液复合制动系统需要将响应迅速且易于精确控制的电机再生制动与响应较慢的液压压力调节相结合。现有的ABS策略通常在启动抗锁死制动时关闭再生制动功能，这既限制了制动性能，也降低了能量回收效率。本文提出了一种基于延迟感知的动作空间分组型软演员-评论家控制器，即SAC-DA-ASG，用于协同控制电机再生制动系统与液压制动系统。该控制器解决了两个实施难题：首先，通过动作空间分组机制，将各电磁阀的操作整合为单一的液压模式，从而减少无效的执行器组合以及策略搜索空间；其次，通过引入基于延迟感知的增强状态，利用最新的系统状态来补偿不同执行器的响应延迟，进而优化马尔可夫模型。该控制器在随机变化的道路附着力和执行器工况下进行训练，并与基准版的SAC控制器以及博世式的ABS策略进行了对比测试。仿真结果表明，在均匀路面和具有不同摩擦系数的路面上，SAC-DA-ASG都能使车轮滑移率更接近0.15的目标值，降低滑移波动和最大滑移程度，同时缩短制动距离。针对电磁阀响应延迟和车辆质量变化的敏感性测试进一步证明了该控制器的鲁棒性。在Speedgoat平台上进行的实时硬件在环测试显示，其在制动时间、制动距离以及滑移率控制方面与仿真结果高度一致。这些结果充分证明了基于深度强化学习的电液复合ABS控制方案在轮毂电机驱动电动汽车中的应用可行性。