一种基于工况识别与噪声网络探索强化学习的燃料电池汽车能量管理方法

本发明提出一种基于工况构建识别与噪声网络强化学习的燃料电池汽车能量管理方法，首先，利用K均值聚类算法与短行程法构建出典型工况；然后，以燃料电池能耗、寿命以及电池荷电状态维持作为即时回报，开发基于噪声网络的强化学习能量管理策略进行控制优化，并离线训练得到多种典型工况的最优控制参数；最后，设计基于粒子群算法优化的支持向量机工况识别器，进行行驶工况的在线识别，映射典型工况下的最优控制参数实现功率分配。本发明将工况构建、工况识别与强化学习融合至燃料电池汽车能量管理控制中，具备优化精度高、适应性强的优势，可有效降低能耗并延长燃料电池寿命。