Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Lo, Hsiang-Yu"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    基於強化式學習之複合電力電動機車能量管理系統
    (2022) 羅祥瑜; Lo, Hsiang-Yu
    本論文針對鋰電池搭配超級電容發展一複合式能量管理系統,利用基本規則庫控制策略、強化式學習控制策略、Q學習全域搜索法控制策略以及全域搜索法控制策略,在不同需求功率和超級電容殘電量的情況下,計算出最佳功率分配比以達到最小化能量消耗。強化式學習之特點為可於系統運作過程中,不斷學習以找到最佳解,相較於一般演算法更具有靈活性,而在學習方法上本論文採用Q-Learning和Deep Q Network (DQN)兩種策略,其中DQN引用深度學習類神經網路的概念,以解決傳統Q學習在狀態維度上之缺點。此外本論文也將Q學習與全域搜索法結合,利用Q學習調整濾波參數以抑制全域搜索法之鋰電池輸出電流,達到保護電池之目的。實驗平台以電源端、數位訊號處理器、雙向直流-直流轉換器和電子負載組成,其中負載端選用新歐洲地區行車型態 (NEDC) 與全球機車測試型態 (WMTC) 作為測試依據,另外為了增加系統之輸出功率,直流轉換器以三台並聯並搭配均流技術,可確保轉換器模組間輸出電流一致,提高系統穩定度。同時為了使負載端更貼近真實情況,本論文也使用一直流無刷馬達,透過馬達和磁粉剎車搭配驅動器進行控制,於負載端模擬車輛之行駛狀態。結果比較中以基本規則庫控制策略為基準,分別探討於不同控制策略下之能耗改善幅度,由實驗結果可知,全域搜索法為最佳解,而所提出之強化式學習控制策略亦能有效的改善能耗。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback