买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利一种基于PA-DDPG算法的混合动力系统能量管理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115016285B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210754519.3，技术领域涉及：G05B13/04；该发明授权一种基于PA-DDPG算法的混合动力系统能量管理方法是由郭爱君;周健豪;赵万忠;常家庆;汪杰设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种基于PA-DDPG算法的混合动力系统能量管理方法在说明书摘要公布了：本发明公开了一种基于PA‑DDPG算法的混合动力系统能量管理方法，属于混合动力汽车能量管理技术领域，使用参数化动作空间，不仅可以同时使用离散动作和连续动作，而且还可以在保证汽车动力性的前提下，实现较好的燃油经济性。本发明包括以下步骤：建立PA‑DDPG代理模型；设置PA‑DDPG代理模型的状态、动作，动作参数和回报，得到设置后的PA‑DDPG代理模型；获取相关训练数据集，根据获得的相关训练数据集训练所述PA‑DDPG代理模型得到训练后的PA‑DDPG代理模型；最后，使用训练后的PA‑DDPG代理模型进行并联式混合动力车辆的能量管理，以获取更好的控制效果。

本发明授权一种基于PA-DDPG算法的混合动力系统能量管理方法在权利要求书中公布了：1.一种基于PA-DDPG算法的混合动力系统能量管理方法，其特征在于，包括以下步骤：步骤1：建立PA-DDPG代理模型；步骤2：设置PA-DDPG代理模型的状态、动作、动作参数和回报；所述状态为：汽车车速v，汽车加速度acc，动力电池SOC和变速器档位gear，状态变量向量为s={v,acc,SOC,gear}T，变速器换档shift={downShift，sustain，upShift}为动作变量，动作变量的参数为p={Tedown，Tesus，Teup}，参数化动作变量向量为a={downShift，Tedown,sustain,Tesus,upshift,Teup}T，奖励函数被用于评价t时刻在状态st下执行动作at的表现性能，奖励函数定义为成本函数和单次换档持续时间之和的负值；所述成本函数为：costt=fuelt+α[SOCref-SOCt]2其中，fuelt为当前时刻下汽车的燃油消耗，SOCref为期望SOC的参考值，SOCt为当前时刻电池SOC值，α为电池充电维持的权重；所述单次换档持续时间为： ，所述奖励函数为：r=-{costt+β*sustainTimet}其中，β为单次换档持续时间的权重；步骤3：获取相关训练数据集，根据获得的相关训练数据集训练步骤2得到的训练后的PA-DDPG代理模型得到训练后的PA-DDPG代理模型；具体包括以下步骤：步骤A：初始化所述设置后的PA-DDPG代理模型得到初始化后的PA-DDPG代理模型；步骤B：将初始化后的PA-DDPG代理模型与混合动力汽车进行交互，得到训练数据集，将当前时刻状态集合s={v,acc,SOC,gear}T输入onlineactor网络，根据当前onlineactor网络的策略μ，输出所有连续化的离散动作logShift及对应的动作参数p，组成一组动作集合ashift={logShift，p}T，选择logShift最大值对应的shift作为当前时刻选择的离散动作，同时选择动作集合ashift={logShift，p}T中对应的动作参数p；将当前时刻状态集合s={v,a,SOC,gear}T和动作集合ashift={logShift，p}T输入onlinecritic网络，onlinecritic网络输出在状态s下，执行动作集合ashift的Q值，将得到的参数化动作at作用于混合动力汽车，得到当前时刻回报rt以及下一时刻的状态集合st+1；最后根据上述相关数据st,at,rt,st+1,得到训练数据集（st,at,rt,st+1），将数据集存入记忆库R中，用于神经网络的训练；步骤C：根据所述训练数据集对PA-DDPG代理模型进行训练，最终得到训练后的PA-DDPG代理模型；步骤4：使用训练后的PA-DDPG代理模型进行并联式混合动力车辆的能量管理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210007 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。