一种基于强化学习的插电式混合动力汽车模型预测控制能量管理方法

本发明涉及一种基于强化学习的插电式混合动力汽车模型预测控制能量管理方法，旨在解决插电式混合动力汽车的能量管理优化问题。首先，利用最小二乘支持向量机‑神经网络(LSSVM‑BP)模型预测未来时域内的车速；然后，基于车辆动力学模型计算预测时域内车辆所需功率，并通过模型预测控制算法求解能量管理问题；最后，基于强化学习方法进行滚动优化，获得预测时域内各阶段控制变量序列，并将控制变量序列的第一个元素作为输出。本发明将强化学习与模型预测控制算法相结合，实现插电式混合动力汽车能量源的优化分配，提高了汽车燃油经济性。