机译:基于Q-Learning的最优电源管理和用于插入式混合动力电动车的神经动力学编程
Univ Michigan Dept Elect & Comp Engn Dearborn MI 48128 USA;
Univ Michigan Dept Elect & Comp Engn Dearborn MI 48128 USA;
Batteries; Optimization; Power system management; Fuels; Mathematical model; Artificial neural networks; Machine learning algorithms; Energy optimization; model-free learning; plug-in hybrid electric vehicles (PHEVs); power management; Q-learning; reinforcement learning (RL);
机译:基于动态规划和神经网络的插电式混合动力汽车能源管理
机译:基于遗传算法和二次规划的插电式混合动力汽车能量管理
机译:考虑不确定行驶条件的基于粒子群优化的插电式混合动力汽车最优功率管理
机译:插电式混合动力汽车的最优功率管理的解析贪婪控制和Q学习
机译:用于考虑发动机瞬态排放的系列液压混合动力车辆的最佳能量管理的神经动力学规划和加固学习
机译:基于强化学习的混合动力电动汽车实时能源管理策略的实现与仿真验证
机译:基于Q-Learning的最优电源管理和用于插入式混合动力电动车的神经动力学编程
机译:插电式混合动力汽车交换站管理的最优策略。