摘要
本发明涉及新能源汽车技术领域,尤其是一种基于深度学习的新能源汽车热管理系统控制方法。一种基于深度学习的新能源汽车热管理系统控制方法,先采集新能源汽车各传感器的数据,以获得车辆行驶过程中控制热管理系统所需的数据;再将获得的数据进行预处理,建立神经网络模型;然后建立新能源汽车的热管理系统模型,对神经网络模型进行训练;接着通过训练后的神经网络模型对实时采集的车辆数据进行计算分析,得到的分析结果通过控制信号的形式返回给热管理系统;最后,热管理系统控制器对车辆制冷系统进行控制。本发明采用DNQ模型对新能源汽车的TMS进行控制,实现了对车辆温度的高效管理和控制,还提高了TMS的能效,增加了新能源汽车的行驶里程。
技术关键词
深度Q网络
热管理系统
新能源汽车
冷却风扇
管理系统模型
建立神经网络模型
驾驶舱
车辆制冷系统
训练神经网络模型
制冷剂
温度压力传感器
防冻液
蒸发器
速率
电磁截止阀
压缩机转速
系统为您推荐了相关专利信息
冷却系统部件
热管理控制方法
增程式电动汽车
长短期记忆神经网络
车辆开发阶段
混合网络
全局路径规划
分布式强化学习
DQN算法
卷积神经网络提取
工程进度管理
蒙特卡洛
资源关联关系
断裂风险
合规性
生成测试用例
电网运行状态
电力运行数据
样本
深度Q网络