强化学习模型训练方法、滑行能量回收方法、装置和系统

本发明涉及汽车能量回收技术领域，尤其是涉及一种强化学习模型训练方法、滑行能量回收方法、装置和系统。训练方法包括：获取预设的强化学习模型和多个样本状态参数，其中，每个样本状态参数至少包括下坡道路的样本坡度；将样本状态参数输入强化学习模型的策略网络和价值网络中，得到预测扭矩调整系数和优势评估值；根据优势评估值更新策略网络的参数，根据优势评估值对应的损失值更新价值网络的参数，继续训练强化学习模型，直至强化学习模型收敛；其中，训练后的强化学习模型用于在车辆处于下坡滑行工况中时，根据实时坡度得到用于调整基础能量回收扭矩的实时扭矩调整系数。采用本方法能够提高车辆下坡滑行工况中的滑行能量回收率。