申请/专利权人：内蒙古农业大学

申请日：2023-12-29

公开（公告）日：2024-03-26

公开（公告）号：CN117763920A

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06F30/15;G06F30/17;G06N3/045;G06N3/084;G06N3/092;G06N7/01;G06F111/06;G06F119/06;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明属于车辆设计领域，具体涉及一种基于TD3算法的分布式牵引底盘的驱动方法以及对应的控制器。本发明从强化学习理论出发，先设计牵引底盘的状态空间、动作空间、奖励函数的数学模型。再根据牵引底盘的实际作业工况，在Mujoco物理引擎中搭建底盘的物理模型，同时建立与实际作业工况相符的仿真环境，最后，本发明基于TD3算法结合有限元仿真和马尔可夫决策过程的方法训练出了一个可以根据牵引底盘实时的荷电状态、输出功率、行驶阻力和作业速度自动生成四轮扭矩的网络模型。并利用该网络模型对采用轮毂电机的分布式牵引底盘的运行状态进行动态调整。本发明解决了电动拖拉机控制器设计难度高，车辆稳定性和能耗间取得平衡的问题。

主权项：1.一种基于TD3算法的分布式牵引底盘的驱动方法，其特征在于，其包括如下步骤：S1：分析牵引车辆的工作需求，确定牵引底盘的结构、功能以及关键零部件的设计参数，并建立牵引底盘的三维模型；所述牵引底盘采用由电池包供能并由4个轮毂电机驱动的分布式牵引底盘；S2：使用有限元分析软件建立牵引底盘的前向仿真模型，所述前向仿真模型中包含驾驶员模型、电机模型、电池模型、底盘模型和工变阻力，进而用于仿真牵引底盘在不同工况和驱动指令下的牵引性能和能量消耗；S3：创建一个基于TD3算法的扭矩预测网络，其用于根据实时输入的状态信息，预测牵引车辆各轮的控制扭矩；所述扭矩预测网络中包含六个子网络，分别为在线演员网络和在线评论家网络，以及两组目标演员网络和目标评论家网络；目标演员网络和目标评论家网络用于在训练阶段对在线演员网络和在线评论家网络的网络参数进行更新；S4：构造一个用于表征牵引底盘在作业状态下的扭矩分配任务的非线性多目标优化问题，其对应的状态为S，S＝{SOC,P,F,V}；动作为A，A＝{T1,T2,T3,T4}；其中，SOC表示电池的荷电状态；P表示牵引底盘的输出功率；F表示牵引底盘所受行驶阻力；V表示牵引底盘的作业速度；T1～T4分别表示牵引底盘左前、右前、左后、右后轮的轮毂电机输出的扭矩；S5：结合所述前向仿真模型和扭矩预测网络构建一个用于对所述非线性多目标优化问题进行迭代寻优的深度强化学习框架，并在迭代寻优过程中完成对所述扭矩预测网络的训练；在深度强化学习框架中，设计一个与牵引底盘的直线偏移率和能耗相关的奖励函数，在所述扭矩预测网络的迭代训练过程中，利用奖励函数引导所述扭矩预测网络根据实时输入的状态向量St，预测下一时刻的动作指令At+1，并由所述前向仿真模型对预测结果进行仿真和验证；S6：利用完成训练后的扭矩预测网络作为控制器，进而根据实时采集到的牵引底盘的状态向量St，生成用于表征各轮扭矩分配结果的动作指令At+1。

全文数据：

权利要求：

百度查询： 内蒙古农业大学 基于TD3算法的分布式牵引底盘的驱动方法及其控制器

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD