Изилдөө ар бир дөңгөлөк өз алдынча кыймылдатылуучу бөлүштүрүлгөн жетектүү электр унааларында (Distributed Drive Electric Vehicles, DDEV) энергия керектөөсүн азайтуу максатында терең трансфердик үйрөнүүгө негизделген энергияны башкаруу стратегиясын иштеп чыгат. Ыкма үзгүлтүксүз аракет мейкиндиктеринде колдонулуучу Twin Delayed Deep Deterministic Policy Gradient (TD3) алгоритмине негизделет; мурда үйрөнүлгөн айдоо сценарийиндеги нейрондук тармак параметрлерин жаңы сценарийлерге өткөрүп, шарт өзгөргөн сайын моделди нөлдөн кайра үйрөтүү зарылдыгын азайтууну көздөйт. Мындан тышкары, изилдөөчүлөр үйрөнүү алгоритми чыгарган айланма моментти бөлүштүрүү чечимдерин түздөн-түз колдонбостон, тормоздоо туруктуулугу жана регенеративдик энергияны калыбына келтирүүгө байланыштуу динамикалык аткаруу чектөөлөрүн кошушкан.

Трансфер механизми боюнча адегенде булак сценарий үчүн TD3 саясаты үйрөтүлөт, андан кийин үйрөнүлгөн тармак параметрлери максаттуу саясатка өткөрүлөт. Жалпы өзгөчөлүктөрдү чагылдырат деп кабыл алынган жашыруун катмар параметрлери тоңдурулуп, чечим чыгарууга катышкан толук байланышкан жана чыгыш катмарлары жаңы айдоо сценарийине жараша майда жөндөлөт. Ошентип, алгоритмдин мурдагы тажрыйбасын сактоо менен шаар, шаарча жана автомагистраль сыяктуу ар башка ылдамдык жана айдоо түзүлүштөрүндө кыскараак адаптация убактысына жетүү максат кылынган.

Изилдөөнүн окутуу графиктери биринчи тапшырмадан кийин жаңы айдоо тапшырмаларына өткөндө DTL ыкмасы болгону 4 жана 7 үйрөнүү кадамында жакындашууга жеткенин көрсөтөт. Изилдөөчүлөр жалпы талап кылынган окутуу убактысы салыштырылган ыкмаларга караганда тиешелүүлүгүнө жараша %42,53 жана %10,71; окутуудагы термелүү болсо %63,11 жана %57,06 азайганын билдиришет. Бул пайыздар изилдөөнүн өзүндөгү DDPG жана TD3 салыштырууларына тиешелүү жана башка жабдык же унааларда универсалдуу окутуу убактысынын утушу катары чечмеленбеши керек.

CARLA негизиндеги сыноо циклінде DTL жогорку натыйжалуу кыймылдаткыч иштөө аймагындагы чекиттердин санын 640ка жеткирген; салыштырууда DDPG үчүн 627 жана TD3 үчүн 631 чекит билдирилген. DTLнин энергия керектөөсү 2,17 kWh, цикл аягындагы SOC мааниси %73,3 жана чечүү убактысы 10,36 секунд деп берилген. WLTC текшерүүсүндө болсо DTL үчүн 905 жогорку натыйжалуу кыймылдаткыч иштөө чекити, 2,49 kWh энергия керектөөсү, %72,3 акыркы SOC жана 14,70 секунд чечүү убактысы билдирилген.

Бул натыйжалар сериялык чыгарылган чыныгы унаанын жол сыноолорунан эмес, изилдөөдө түзүлгөн DDEV динамикалык модели жана CARLA негизиндеги айдоо циклдери аркылуу жүргүзүлгөн сандык текшерүүлөрдөн алынган. Ошондуктан энергия керектөөсү, жүрүү аралыгы же башкаруу туруктуулугу боюнча чыныгы унаа көрсөткүчтөрүнө түздөн-түз которууга болбойт.

Түркия жагынан ыкма; электр автобустар, өз алдынча дөңгөлөк моторлуу электр унаалары жана программалык аныкталган күч өткөргүч системалар боюнча иштеген изилдөө жана иштеп чыгуу топтору үчүн энергия башкаруусун ар башка айдоо сценарийлерине тезирээк ылайыкташтыруу жагынан методологиялык мааниге ээ. Бирок изилдөөдө Түркияга мүнөздүү жол кыймылы циклдери, жол эңиштери, климаттык шарттар, жергиликтүү парк маалыматтары же чыныгы Түркия талаа сыноосу жок. Ошондуктан Түркиядагы унаа платформасына өткөрүү үчүн тиешелүү унаанын кыймылдаткыч натыйжалуулук карталары, батарея өзгөчөлүктөрү, тормоз системасы, жол кармашуу шарттары жана чыныгы айдоо маалыматтары менен кайра текшерүү талап кылынат.

Изилдөөнүн негизги көйгөйү эмнеде?

Бөлүштүрүлгөн жетектүү электр унааларында дөңгөлөк моторлорун бири-биринен көз карандысыз башкаруу бир эле жалпы тартуу же тормоздоо талабын алдыңкы-арткы моментти бөлүштүрүүнүн ар башка варианттары менен аткарууга мүмкүнчүлүк берет. Энергияны башкаруу системасынын милдети айдоочу каалаган кыймылды сактап, моторлорду мүмкүн болушунча жогорку натыйжалуу иштөө аймактарында иштетүү болуп саналат.

Моделге негизделген оптималдаштыруу ыкмалары бул көйгөйдү чече алса да, изилдөөчүлөр белгисиз же өзгөрмө айдоо шарттарында моделдин дал келбестиги, реалдуу убакыттагы эсептөө жүгү жана сценарийге көз карандылык сыяктуу маселелерге көңүл бурушат. Терең бекемдөөчү үйрөнүү чөйрө менен өз ара аракеттенүү аркылуу энергия башкаруу саясатын үйрөнө алат, бирок классикалык ыкмада айдоо сценарийи өзгөргөндө кайра окутуу талап кылынышы мүмкүн.

Изилдөө сунуштаган чечим TD3 алгоритмин ар башка тапшырмалардын ортосунда билим өткөрө алган трансфердик үйрөнүү механизми менен бириктирүү жана үйрөнүлгөн чечимдер унаа динамикасы жагынан ишке ашырылуучу бойдон калышы үчүн аткаруу чектөөлөрүн кошуу болуп саналат.

Бөлүштүрүлгөн жетектүү электр унаасы кантип моделденген?

Унаа модели узунунан кыймылды, ар бир дөңгөлөктүн айлануу динамикасын, шина күчтөрүн, төрт көз карандысыз дөңгөлөк моторун, литий-темир-фосфат батареясын жана электро-механикалык тормоз системасын камтыйт.

Унаанын узунунан кыймылында тартуу күчтөрү эңишке каршылык, тоголонуу каршылыгы жана аэродинамикалык каршылык менен бирге каралган. Узунунан динамиканын жалпы түзүлүшү изилдөөдө төмөнкүдөй берилген:

\[ \delta m\dot{v}_x = \sum F_{xij} - mg\sin\theta - mgf_r\cos\theta - \frac{1}{2}\rho C_D A v_x^2 \]

Бул жерде \(v_x\) унаанын узунунан ылдамдыгын, \(F_{xij}\) ар бир шинанын узунунан күчүн, \(f_r\) тоголонуу каршылыгы коэффициентин, \(\rho\) аба тыгыздыгын, \(C_D\) каршылык коэффициентин жана \(A\) алдыңкы аянтты билдирет.

Тормоздоо жана ылдамдануу маалында алдыңкы жана арткы октордун жүктөрүнүн өзгөрүшү да моделденген; шиналардын сызыктуу эмес күч өндүрүүсүн көрсөтүү үчүн Magic Formula шина модели колдонулган. Ошентип, моментти бөлүштүрүү идеалдуу туруктуу октук жүктөрдүн негизинде гана бааланган эмес.

Кыймылдаткыч жана батарея модели кантип түзүлгөн?

Ар бир дөңгөлөк мотору өз алдынча момент өндүрө алган электр кыймылдаткыч катары моделденген. Кыймылдаткыч кубаттуулугу кыймылдаткыч моментинин, айлануу ылдамдыгынын жана натыйжалуулук картасынын функциясы катары эсептелген. Изилдөөдө кыймылдаткычтардын тартуу жана регенеративдик иштөө режимдери эске алынган.

Батарея үчүн кыска мөөнөттүү энергия керектөөсүнө багытталган литий-темир-фосфат эквиваленттик схема модели колдонулган. Картаюуга байланыштуу сыйымдуулук жоготуусу изилдөөнүн чегине киргизилген эмес. Батарея кубаттуулугу, тогу жана SOC өзгөрүшү ачык чынжырдагы чыңалуу жана ички каршылык аркылуу эсептелген:

\[ P_{bat}(t)=U_{oc}(t)I(t)-R_{int}(t)I^2(t) \]

жана SOC:

\[ SOC(t)=SOC(0)-\frac{1}{Q}\int_0^t I(t)\,dt \]

түрүндө берилген.

Электро-механикалык тормоз системасы эмнеге моделге кошулган?

Регенеративдик тормоздоодо дөңгөлөк моторлору өндүрө алган терс момент ар дайым унаа талап кылган жалпы жайлоону камсыздай албайт. Ошондуктан изилдөөдө мотордук тормоз менен катар Electro-Mechanical Brake (EMB) системасы моделденген.

EMB модели калипердин кысуу күчү, тормоз сүрүлүү коэффициенти, эффективдүү диск радиусу, берүү катышы жана бурама кадамы сыяктуу чоңдуктарды механикалык тормоз моменти менен байланыштырат. Ошентип, энергия башкаруу алгоритминин регенеративдик тормоз чечими механикалык тормоз системасынын салымы менен бирге бааланат.

DTL агентинин абал жана аракет мейкиндиги кандай?

Изилдөөдө үйрөнүү агентинин абал вектору төмөнкүдөй аныкталган:

\[ State=\{v_{ref},SOC,T_m,v_d,\mu_d\} \]

Бул жерде \(v_{ref}\) эталондук унаа ылдамдыгын, SOC батареянын заряд абалын, \(T_m\) моторго байланыштуу момент маалыматын, \(v_d\) ылдамдык бузулушун жана \(\mu_d\) жол кармашуу коэффициентинин бузулушун билдирет.

Агенттин аракети болсо алдыңкы жана арткы октордун ортосундагы момент бөлүштүрүүнү аныктаган:

\[ Action=\{\alpha \mid \alpha\in[0,1]\} \]

түрүндөгү момент бөлүштүрүү коэффициенти.

Эмне үчүн TD3 тандалган?

DDPG үзгүлтүксүз аракет мейкиндиктеринде колдонулса да, Q маанилерин ашыкча баалоо жана саясат жаңыртууларында туруксуздук маселелерине ээ болушу мүмкүн. Ошондуктан изилдөө TD3түн үч негизги өзгөчөлүгүн колдонот:

• Эки өзүнчө critic тармагынан алынган Q бааларынын кичүүсүн колдонуу,
• Actor жана максаттуу тармак жаңыртууларын кечиктирүү,
• Максаттуу аракетке кыркылган кокустук ызы-чуу кошуп максаттуу саясатты жумшартуу.

Бул түзүлүш момент бөлүштүрүү чечиминин бир гана critic тармагындагы ашыкча оптимисттик баага көз карандылыгын азайтууну көздөйт.

Трансфердик үйрөнүү кантип иштейт?

Сунушталган ыкманын негизги жаңылыгы ар бир жаңы айдоо сценарийин толугу менен кокустук параметрлер менен баштабоосунда. Адегенде булак тапшырмада TD3 саясаты үйрөтүлөт. Actor жана эки critic тармагынын үйрөнүлгөн параметрлери андан кийин кийинки максаттуу тапшырманын баштапкы параметрлери катары колдонулат.

Максаттуу тармакта жалпы өзгөчөлүктөрдү чагылдырат деп кабыл алынган жашыруун катмарлар тоңдурулат, ал эми толук байланышкан жана чыгыш катмарлары жаңы сценарийге жараша жаңыртылат. Изилдөөчүлөр ушундай жол менен мурдагы сценарийде үйрөнүлгөн жалпы энергия башкаруу билимин сактап, жаңы тапшырмага мүнөздүү чечим катмарларын гана кайра жөндөөнү көздөшөт.

Аткаруу чектөөлөрү эмне үчүн маанилүү?

Бекемдөөчү үйрөнүү агенти энергия жагынан жакшы көрүнгөн момент бөлүштүрүүнү чыгарышы бул чечим унаа динамикасы жагынан коопсуз экенин билдирбейт. Ошондуктан изилдөө эки өзүнчө аткаруу чектөөсүн кошот: момент бөлүштүрүү чектөөсү жана энергияны калыбына келтирүү чектөөсү.

Момент бөлүштүрүү чектери унаанын тормоз күчү, алдыңкы-арткы октук жүк өткөрүлүшү жана жабышуу пайдалануу коэффициенттери аркылуу түзүлүп, ECE эрежелеринде колдонулган тормоз туруктуулугу ыкмасы менен чектелген. Максат алдыңкы же арткы октун туура эмес блоктолушунан улам тайгалануу же туруктуулукту жоготуу коркунучун азайтуу.

Регенеративдик энергияны калыбына келтирүү кантип чектелген?

Изилдөөдө регенеративдик тормоз менен электро-механикалык тормоздун ортосундагы бөлүштүрүү үчүн бүдөмүк логика ыкмасы колдонулган. Изилдөөчүлөр унаа ылдамдыгы менен батарея SOCсу өтө жогору же өтө төмөн болгон шарттарда ашыкча энергия калыбына келтирүү иштөө жана коопсуздук жагынан терс болушу мүмкүн экенин белгилеп, калыбына келтирүү коэффициентин динамикалык түрдө чектешет.

Булактагы ырааттуулук эскертүүсү: Бөлүм 3.2.2нин түшүндүрмө тексти бүдөмүк системанын кириштерин узунунан ылдамдык \(v_x\) жана SOC деп аныктаса, Теңдеме 22деги эреже “IF μ ... and vₓ ...” түрүндө берилген. Ошондуктан экинчи кириш өзгөрмөсү SOCпу же жол кармашуу коэффициенти μбы, булакта толук ырааттуу эмес. Бул Verianla текстинде бул боштук тышкы маалымат менен толтурулган эмес.

CARLA айдоо цикли кантип түзүлгөн?

Стандарттык айдоо циклдери бир гана шартты көрсөтүү үчүн жетишсиз болушу мүмкүн деген ой менен CARLA негизиндеги айдоо платформасы колдонулган. Изилдөөнүн 8-сүрөтү рул жана экрандардан турган симуляциялык иш станциясын жана CARLA ичиндеги ар башка виртуалдык чөйрөлөрдү көрсөтөт.

9-сүрөттө 1200 секунддук окутуу цикли үч тапшырмага бөлүнгөн:

• Task 1: болжол менен 0-400 секунд, Urban,
• Task 2: болжол менен 400-800 секунд, Town,
• Task 3: болжол менен 800-1200 секунд, Highway.

Бул түзүлүш ар башка ылдамдык деңгээлдери жана айдоо сценарийлери арасында саясатты ырааттуу өткөрүүнү сыноо үчүн колдонулган.

Окутуу эмне үчүн тезирээк жакындашкан?

Көз карандысыз DDPG жана TD3 окутууларынан айырмаланып, DTL ырааттуу тапшырмалардын ортосунда мурда үйрөнүлгөн тармакты өткөрөт. 10-сүрөттө DDPG үчүн болжол менен 35, TD3 үчүн 29 жана DTLнин биринчи тапшырмасы үчүн 29 үйрөнүү кадамында жакындашуу белгиленсе, өткөрүлгөн экинчи жана үчүнчү тапшырмалар болгону 4 жана 7 үйрөнүү кадамында жаңы шартка ылайыкташкан.

Изилдөөчүлөр мунун натыйжасында DTL талап кылынган жалпы окутуу убактысын салыштырылган эки алгоритмге караганда %42,53 жана %10,71; окутуудагы термелүүнү болсо %63,11 жана %57,06 азайтканын билдиришет.

Изилдөө колдогон жыйынтыктар

• Үйрөнүлгөн TD3 тармак параметрлерин жаңы айдоо тапшырмаларына өткөрүү каралган симуляцияда кийинки тапшырмалардын жакындашуусун тездеткен.
• DTL CARLA жана WLTC циклдеринде DDPG жана TD3кө салыштырмалуу көбүрөөк мотор иштөө чекитин жогорку натыйжалуулук аймагына топтогон.
• DTL үчүн изилдөөдө билдирилген энергия керектөөсү CARLA циклында 2,17 kWh жана WLTC циклында 2,49 kWh.
• Динамикалык момент бөлүштүрүү жана энергияны калыбына келтирүү чектөөлөрү үйрөнүү саясаты түздөн-түз физикалык буйруктарга айландырылганга чейин колдонулат.
• Булак-максат саясат өткөрүүсү толугу менен көз карандысыз кайра окутуу ыкмасына караганда кыскараак адаптация көрсөткөн.

Изилдөө колдобогон жыйынтыктар

• Стратегия сериялык унаада чыныгы жол сыноосунда текшерилген эмес.
• CARLA симуляция жыйынтыктары чыныгы жол кыймылы шартындагы энергия керектөөнүн кепилдиги эмес.
• Батареянын картаюусу моделге киргизилбегендиктен узак мөөнөттүү цикл өмүрү артыкчылыгы көрсөтүлгөн эмес.
• Изилдөө бардык электр унаа архитектураларында бирдей энергия үнөмдөлөт деп көрсөтпөйт.
• Ыкманын чыныгы ECU жабдыгындагы эсептөө кечигүүсү, эстутум керектөөсү же коопсуздук сертификаты текшерилген эмес.
• Түркияга мүнөздүү жол кыймылы, унаа жана талаа маалыматтары колдонулган эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Үйрөнүү параметрлери

CARLA циклинин жыйынтыктары

13-сүрөттөгү энергия көрсөткүчү графикте “kW” деп белгиленген; бирок жыйынтыктар тексти DTL үчүн энергия керектөөсүн ачык түрдө 2,17 kWh деп берет. DDPG жана TD3 үчүн график бирдиги ушул себептен бул жерде үнсүз kWhге өзгөртүлгөн эмес.

Мотор иштөө чекиттеринин графиктеринде DDPG төмөн натыйжалуулук аймактарында көбүрөөк чекит калтырганы, TD3 жана DTL болсо өзгөчө арткы дөңгөлөк моторлорун көбүрөөк колдонгону көрүнөт. Изилдөөчүлөр DTL сценарийге жараша тармак параметрлерин жаңыртуу аркылуу жогорку натыйжалуулук аймактарынан көбүрөөк пайдалана алганын түшүндүрүшөт.

WLTC текшерүүсү

Жалпылоо жөндөмүн баалоо үчүн окутуу циклинен айырмаланып WLTC колдонулган. 16-сүрөттөгү көрсөткүчтөр жогорку натыйжалуу мотор иштөө чекиттеринин санын DDPG үчүн 880, TD3 үчүн 892 жана DTL үчүн 905 деп көрсөтөт.

16-сүрөттө акыркы SOC маанилери визуалдык түрдө DDPG үчүн %71,7, TD3 үчүн %72,1 жана DTL үчүн %72,3. Ошол эле графикте чечүү убакыттары тиешелүүлүгүнө жараша 15,88 s, 15,19 s жана 14,70 s деп көрсөтүлгөн.

Энергия көрсөткүчтөрү графикте DDPG үчүн болжол менен 2,60, TD3 үчүн 2,55 жана DTL үчүн 2,49 деп берилгени менен графиктеги бирдик “kW” түрүндө. Түшүндүрмө текст DTLнин жалпы цикл энергия керектөөсүн гана ачык түрдө 2,49 kWh деп билдирет. Ошондуктан башка маанилердин бирдиги булакта үнсүз оңдолгон эмес.

WLTC жыйынтыктарындагы SOC дал келбестиги

WLTC жыйынтык текстиндеги бир сүйлөмдө “battery SOC under DTL drops to 71.7%” деген сөз бар. Ошол эле абзацта DTLнин акыркы SOCсу %72,3 деп жазылган. 16-сүрөт болсо %71,7 маанисин DDPG, %72,1 маанисин TD3 жана %72,3 маанисин DTL катары ачык белгилейт.

Ошондуктан бул Verianla түшүндүрмөсүндө 16-сүрөттүн көрүнгөн классификациясы өзүнчө көрсөтүлгөн, бирок булак текстиндеги алгачкы “DTL %71,7” сөзү жок болуп калгандай мамиле жасалган эмес. Булактын өзүндө белгилөө катасы болушу ыктымал.

24-тендемедеги булак катасы

Изилдөөдө DTL агентинин чыгышын алдыңкы жана арткы дөңгөлөк тартуу/тормоз моменттерине айлантууну аныктаган 24-тендемеде эки өзүнчө сапта сол жакта Tbfj колдонулган. Экинчи сап арткы октун тормоз моментин билдириши мүмкүн деп күтүлсө да, булак аны башка символ менен бербейт. Мындан тышкары, экинчи туюнтмада алынуучу мотор моменти да Tdfj деп кайталанат.

Ошондуктан формула бул жерде оңдолгон теңдеме катары кайра берилген эмес. Реалдуу убакыттагы башкаруу колдонмосуна өткөрүүдөн мурда оригинал автордук формула текшерилиши керек.

Изилдөөнүн методологиялык күчтүү жактары

• Унаа, шина, мотор, батарея жана электро-механикалык тормоз кошумча моделдерин бир энергия башкаруу алкагында баалоо.
• TD3түн кош critic, кечиктирилген жаңыртуу жана максаттуу саясатты жумшартуу механизмдерин трансфердик үйрөнүү менен бириктирүү.
• Булак саясаттагы параметрлерди жаңы айдоо тапшырмаларына өткөрүү.
• Момент бөлүштүрүү жана регенеративдик тормоз үчүн аткаруу чектөөлөрүн өзүнчө моделдөө.
• Шаар, шаарча жана автомагистраль өзгөчөлүктөрүн камтыган көп сценарийлүү окутуу циклин колдонуу.
• Окутуу циклинен айырмаланган WLTC шартында кошумча текшерүү жүргүзүү.

Негизги чектөөлөр

Изилдөөнүн жыйынтыктары симуляцияга жана моделге негизделген. Физикалык DDEVде жол сыноосу, hardware-in-the-loop же чыныгы ECUда орнотулган колдонмо текшерүүсү берилген эмес. Ошондуктан билдирилген чечүү убакыттары чыныгы автомобиль башкаруу бирдигинин эсептөө кечигүүсүнө барабар эмес.

Батарея картаюусу изилдөөнүн чегине киргизилген эмес. Ошондуктан регенеративдик тормоз стратегиясынын батарея цикл өмүрүнө, температурасына же узак мөөнөттүү сыйымдуулук жоготуусуна таасири аныкталган эмес.

Авторлор жыйынтык бөлүмүндө окутуунун татаалдыгын азайтуу үчүн чектелген сандагы шарт белгилерин жана жөнөкөйлөштүрүлгөн тармак түзүлүшүн колдонушканын ачык белгилешет. Ошондуктан кеңири чөйрө өзгөрмөлөрүн кошуу ыкманын иштөөсүн жана окутуу талабын өзгөртүшү мүмкүн.

Мындан тышкары, булакта регенеративдик тормоздун бүдөмүк системасынын кириш өзгөрмөлөрү жана 24-тендемедеги момент символдору боюнча формалдык дал келбестиктер бар. Булар ыкма чыныгы унаа башкаруу кодуна өткөрүлгөнгө чейин текшерилиши керек болгон техникалык деталдар.

Булак жана Ыкма Эскертмеси

Толук оригинал иштин аталышы: Deep Transfer Learning Based Energy Management Strategy for Distributed Drive Electric Vehicles Considering Execution Constraints

Авторлор жана ирети: Zexuan Han; Jiageng Ruan; Tianche Hou; Zhaowen Liang; Kai Liu.

Автордук аффилиациялар: Zexuan Han, Jiageng Ruan жана Tianche Hou — Faculty of Mechanical and Energy Engineering, Beijing University of Technology, Beijing 100020, China. Zhaowen Liang жана Kai Liu — Foton AUV New Energy Bus Co., Ltd., Beijing 102200, China.

Тең салым/тең биринчи авторлук: Жүктөлгөн версияда билдирилген эмес.

Жооптуу автор: Жүктөлгөн версияда жооптуу автор белгиси же ачык жооптуу автор билдирүүсү жок.

Жооптуу автордун электрондук почтасы: Жүктөлгөн версияда берилген эмес.

Булак түрү: Бөлүштүрүлгөн жетектүү электр унааларын энергия башкаруу боюнча сандык/моделге негизделген изилдөө препринти.

Платформа: SSRN.

SSRN каттоо номери: 6934158.

DOI: 10.2139/ssrn.6934158.

Расмий препринт шилтемеси:SSRN 6934158

Рецензия абалы: Каралган версия рецензиядан өтпөгөн препринт.

Жарыяланган күнү: Жүктөлгөн версияда ачык жарыяланган күн жок. Библиографиялык индекс текшерүүсүндө 14 Июнь 2026 күнү көрүнөт; түз SSRN барагы бул сессияда текшерилбегендиктен, бул күн экинчи даражадагы индекс маалыматы катары бааланышы керек.

Рецензияланган журнал версиясы: Библиографиялык текшерүүдө ушул эле аталыштагы өзүнчө рецензияланган журнал басылмасы табылган эмес. Ошондуктан журналдын аталышы, рецензияланган басылманын DOIси же басмачы маалыматы ойлоп табылган эмес.

Ыкма: TD3 негизиндеги терең бекемдөөчү үйрөнүү; тармак параметрлерин өткөрүү жана катмарларды майда жөндөө аркылуу трансфердик үйрөнүү; DDEV узунунан динамика модели; Magic Formula шина модели; дөңгөлөк ичиндеги мотор модели; литий-темир-фосфат эквиваленттик батарея модели; электро-механикалык тормоз модели; момент бөлүштүрүү чектөөлөрү жана бүдөмүк логика негизиндеги регенеративдик энергияны калыбына келтирүү.

Окутуу жана сыноо чөйрөсү: CARLA негизиндеги көп сценарийлүү айдоо платформасы жана кошумча WLTC текшерүү цикли.

Маалыматтын мүнөзү: Изилдөөдө айдоо платформасынан жыйналган симуляция/операциялык маалыматтарды колдонуп Urban, Town жана Highway тапшырмаларын камтыган окутуу цикли түзүлгөн. Чыныгы коомдук жолдо жыйналган парк маалыматы экени көрсөтүлгөн эмес.

Каржылоо: Жүктөлгөн версияда өзүнчө каржылоо билдирүүсү жок.

Кызыкчылыктардын кагылышы: Жүктөлгөн версияда өзүнчө кызыкчылыктардын кагылышы билдирүүсү жок.

Маалыматтын жеткиликтүүлүгү: Өзүнчө маалымат жеткиликтүүлүгү билдирүүсү жок.

CRediT/автордук салымдар: Жүктөлгөн версияда деталдуу CRediT салым билдирүүсү жок.

Лицензия: Жүктөлгөн версияда ачык Creative Commons же ага барабар кайра колдонуу лицензиясы табылган эмес. Ошондуктан оригинал сүрөттөр бул макалада бирден-бир көчүрүлүп жарыяланган эмес.

Булак ичиндеги дал келбестик 1: WLTC түшүндүрмө тексти DTL үчүн акыркы SOC маанисин %71,7 да, %72,3 да деп берет. 16-сүрөттүн энбелгилери DDPG %71,7, TD3 %72,1 жана DTL %72,3 түрүндө.

Булак ичиндеги дал келбестик 2: Энергияны калыбына келтирүү чектөөсү бөлүмүнүн түшүндүрмөсү бүдөмүк системанын кириштерин ылдамдык жана SOC деп көрсөтсө, Теңдеме 22 μ жана ылдамдык өзгөрмөлөрүн колдонот.

Булак ичиндеги дал келбестик 3: Теңдеме 24тө арткы октун тормоз моментин билдириши күтүлгөн экинчи туюнтмада алдыңкы октун символдору кайра колдонулган. Теңдеме тышкы маалымат менен оңдолгон эмес.

Булак ичиндеги бирдик дал келбестиги: 13-сүрөт жана 16-сүрөттөгү энергия керектөө графиктеринде “kW” энбелгиси бар, ал эми түшүндүрмө тексттер DTL үчүн тиешелүүлүгүнө жараша 2,17 kWh жана 2,49 kWh колдонот.

Илимий чек: Изилдөө симуляция жана сандык унаа модели текшерүүсүнө негизделет. Сериялык унаа, чыныгы жол, hardware-in-the-loop, чыныгы ECU же узак мөөнөттүү батарея картаюусу боюнча текшерүү берилген эмес.

Илимий мазмун принциби: Бул Verianla түшүндүрмөсүндөгү ыкма, сандык жыйынтыктар жана чектөөлөр каралган ишке негизделет. Тышкы булактар библиографиялык DOI жана индекс текшерүүсү үчүн гана колдонулган, негизги илимий баяндамага башка изилдөөлөрдөн жаңы жыйынтыктар кошулган эмес.