机械工程学报

作者：曹延旭, 魏中宝, 宋若旸, 何洪文

单位：北京理工大学机械与车辆学院 北京 100081

关键词：燃料电池混合动力汽车,深度强化学习,跟驰控制,能量管理；

为了提高燃料电池混合动力汽车(Fuel cell hybrid electric vehicle,FCHEV)的经济性、动力性与安全性，对跟驰场景下混合动力系统输出功率分配的能量管理问题进行研究。跟驰场景中的FCHEV多目标能量管理研究分为上层自适应巡航控制策略(Adaptive cruise control,ACC)和下层能量管理策略(Energy management strategy,EMS)。所提出的上层ACC策略，通过深度确定性策略梯度(Deep deterministic policy gradient,DDPG)将跟驰安全性、驾驶舒适性和经济性纳入跟驰优化约束范围，控制后车加速度实现对前车的跟驰。所提出的下层EMS策略，将氢气消耗、荷电状态(State of charge,SOC)约束、锂电池(Lithium ion battery,LIB)温度和动力系统寿命控制为优化目标，基于深度强化学习实现多目标的功率优化分配。通过将ACC和EMS分层耦合，其中ACC提供给EMS车辆运行的需求功率，EMS反馈氢气消耗量，可以进一步提高跟驰场景的经济性，降低计算量。仿真结果表明，在所提出的上层跟驰控制下相对车速和跟驰距离误差分别为0.47 m∙s-1和1.14 m，具有良好的跟随性能；所提出的多目标EMS，相较于单目标策略，氢气消耗降低1.8%，具有更稳定的SOC控制效果，LIB的温升和寿命衰退分别降低了63%和83%，综合经济成本降低了51%；跟驰场景下，ACC与EMS耦合模型与传统ACC相比，氢气消耗降低2.9%，同时保障了跟驰过程的安全性、舒适性和经济性。

来源：2025年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第12期