一种基于加权双Q学习的插电式混合动力汽车实时能量控制方法

本发明涉及汽车能量控制技术领域，且公开了一种基于加权双Q学习的插电式混合动力汽车实时能量控制方法获取车辆历史行驶车速数据；构建Elman神经网络短时域车速预测模型；搭建插电式混合动力汽车动力系统模型；建立离线加权双Q学习能量管理控制器；将离线加权双Q学习策略嵌入模型预测控制算法，基于Elman神经网络预测车辆行驶车速，实时滚动求解出车辆动力电池包与发动机的能量控制策略；该方法基于加权双Q学习算法的插电式混合动力汽车能量控制策略，该算法通过对两个Q函数引入加权因子，有效地进行动作的选择和评估，避免了传统强化学习算法中动作值的高估计和低估计问题，使得算法更具稳健性和准确性，提升插电式混合动力汽车的能量管理性能。