Розробка адаптивного керування гібридною трансмісією в реальному часі за допомогою нейроеволюції

Abstract

Застосування в режимі реального часу прогнозованого керування енергією трансмісії (PrEM) відкриває перспективу додаткової економії енергії для гібридних силових агрегатів. Методології оптимального розподілу крутного моменту були в центрі уваги в автомобільній промисловості та наукових колах протягом багатьох років. Однак їх застосування в режимі реального часу в сучасних автомобілях все ще відстає. Хоча звичайні точні та неточні оптимальні методи керування, такі як динамічне програмування та прогнозне керування моделлю, були продемонстровані, вони страждають від прокляття розмірності та швидко відображають обмеження через високу складність системи та високостохастичну роботу середовища. Сучасні дослідження показують, що пов’язані з нейроеволюцією алгоритми класифікації циклу приводу можуть вивести оптимальні стратегії керування для будь-якої складності системи та середовища, отже оптимізація та прискорення процесу розробки контролю. Нейроеволюція також обходить інтеграцію низькоточних онлайн-моделей рослин, уникаючи ще більше непомірних вимог до вбудованих обчислень і втрати точності. Це відкриває перспективу оптимального керування для складних додатків із кількома фізичними системами. Представлена методологія охоплює розробку циклів приводу, які використовуються для навчання та перевірки нейроконтролерів і класифікаторів, а також застосування процесу нейроеволюції.