北京理工大学机械与车辆学院孙逢春院士团队在《自然·通讯》发表重要研究成果，提出基于大规模数据驱动的电动汽车能量管理新方法。该方法利用电动汽车运行数据，构建自主学习的智能能量管理系统，突破了传统人工设计控制策略的模式，为电动汽车大数据应用提供了创新方案。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
面对“双碳”目标和新能源汽车普及的挑战，高效的能量管理技术至关重要。传统方法依赖人工规则和高精度仿真模型，开发成本高且难以适应复杂路况。而该团队提出的数据驱动方法，采用“数据驱动+智能学习”的路线，使智能体直接从数据中学习最优控制策略，无需专家经验或高精度仿真模型，显著简化了开发流程。 该方法对数据质量要求不高，可从次优数据中学习近似最优策略，并在随机数据条件下优化控制策略。
研究团队构建了覆盖多种运行工况的大规模数据集，并采用融合行为克隆和判别器混合正则化项的离线强化学习方法，解决了策略学习中的分布偏移问题，保证了策略学习的有效性和性能优化。实车验证表明，该方法在燃料电池电动汽车上实现了能耗和系统寿命的双重提升，并具备持续自我进化能力，仅需两次数据学习，性能即可从88%提升至98.6%。此外，该方法兼容性良好，可无缝集成到现有能量管理系统中。
该研究由孙逢春院士团队独立完成，何洪文教授为通讯作者，王勇为第一作者，魏中宝教授和吴京达副教授也做出了重要贡献。
以上就是北理工团队在电动汽车能量管理研究方面取得新进展的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/166340.html
微信扫一扫 
支付宝扫一扫 
