基于自适应约束感知深度强化学习的电动汽车再生制动控制策略

《Scientific Reports》：Adaptive deep reinforcement learning–based regenerative braking control for coordinated energy recovery and safety in electric vehicles

　　

摘要

电动汽车的再生制动控制面临挑战，这是由于驾驶员意图、跟车安全和电池充电接受能力之间的耦合影响，使得传统的基于规则或静态策略难以同时保证安全性和能量回收性能。本文提出了一种用于纵向运动控制的自适应约束感知深度强化学习（ADRL）策略。该框架将电池充电接受限制和轮胎附着边界统一为一个物理可行域，并将其嵌入到策略学习过程中。此外，引入了一种自适应参数机制，以实时估计电池的电化学-热状态并识别道路附着条件，从而实现在线更新再生功率上限和滑移安全阈值。在多种切入场景下的硬件在环实验表明，与基于规则和常规深度强化学习策略相比，ADRL使电制动比例分别提高了17.3%和5.1%，使液压制动比例分别降低了22.0%和6.4%，使制动平顺性分别改善了27.5%和7.8%，并使累计能量回收率分别提高了13.8%和6.7%。这些结果表明，所提出的策略在复杂驾驶条件下具有卓越的适应性和效率。