Utafiti unatengeneza mkakati wa usimamizi wa nishati unaotegemea ujifunzaji wa kina wa uhamishaji ili kupunguza matumizi ya nishati katika magari ya umeme yenye uendeshaji uliosambazwa (Distributed Drive Electric Vehicles, DDEV), ambako kila gurudumu linaweza kuendeshwa kwa kujitegemea. Mbinu hiyo inategemea algoriti ya Twin Delayed Deep Deterministic Policy Gradient (TD3), inayotumika katika nafasi endelevu za vitendo; inalenga kupunguza hitaji la kufundisha modeli kutoka mwanzo kila hali inapobadilika kwa kuhamisha vigezo vya mtandao wa neva vilivyojifunzwa katika hali ya awali ya uendeshaji kwenda kwenye hali mpya. Aidha, badala ya kutumia moja kwa moja maamuzi ya mgawanyo wa torati yanayotolewa na algoriti ya ujifunzaji, watafiti wameongeza vikwazo vya utekelezaji vinavyobadilika vinavyohusiana na uthabiti wa breki na urejeshaji wa nishati kwa njia ya uregeneshaji.

Katika utaratibu wa uhamishaji, sera ya TD3 hufundishwa kwanza kwa hali chanzo, kisha vigezo vya mtandao vilivyojifunzwa huhamishwa kwenda kwenye sera lengwa. Vigezo vya tabaka fiche vinavyochukuliwa kuwa vinawakilisha sifa za jumla hugandishwa, huku tabaka zilizounganishwa kikamilifu na tabaka za matokeo zinazohusika na utoaji wa maamuzi zikirekebishwa kwa kina kulingana na hali mpya ya uendeshaji. Kwa njia hii, lengo ni kuhifadhi uzoefu wa awali wa algoriti na kupata muda mfupi wa kuzoea katika miundo tofauti ya kasi na uendeshaji kama vile mjini, mji mdogo na barabara kuu.

Michoro ya mafunzo ya utafiti inaonyesha kwamba baada ya kazi ya kwanza, mbinu ya DTL iliweza kufikia muunganiko katika hatua 4 na 7 tu za ujifunzaji wakati wa kuhamia kazi mpya za uendeshaji. Watafiti wanaripoti kwamba muda wa jumla wa mafunzo unaohitajika ulipunguzwa kwa %42,53 na %10,71 mtawalia ikilinganishwa na mbinu zilizolinganishwa; na kuyumba kwa mafunzo kulipunguzwa kwa %63,11 na %57,06. Asilimia hizi zinahusu ulinganisho wa DDPG na TD3 ndani ya utafiti wenyewe na hazipaswi kutafsiriwa kama faida ya jumla ya muda wa mafunzo katika vifaa au magari tofauti.

Katika mzunguko wa majaribio unaotegemea CARLA, DTL iliongeza idadi ya nukta za uendeshaji wa mota katika eneo la ufanisi wa juu hadi 640; kwa kulinganisha, nukta 627 ziliripotiwa kwa DDPG na 631 kwa TD3. Matumizi ya nishati ya DTL yalitolewa kuwa 2,17 kWh, thamani ya SOC mwishoni mwa mzunguko %73,3 na muda wa suluhisho sekunde 10,36. Katika uthibitishaji wa WLTC, ziliripotiwa nukta 905 za uendeshaji wa mota zenye ufanisi wa juu, matumizi ya nishati 2,49 kWh, SOC ya mwisho %72,3 na muda wa suluhisho sekunde 14,70 kwa DTL.

Matokeo haya hayakutokana na majaribio ya barabarani ya gari halisi la uzalishaji wa mfululizo, bali yalipatikana kutokana na uthibitishaji wa kihesabu uliofanywa kwa kutumia modeli ya mienendo ya DDEV iliyoundwa katika utafiti na mizunguko ya uendeshaji inayotegemea CARLA. Kwa hiyo, hayawezi kubadilishwa moja kwa moja kuwa utendaji wa gari halisi kwa upande wa matumizi ya nishati, umbali wa kusafiri au uthabiti wa udhibiti.

Kwa mtazamo wa Uturuki, mbinu hii ina umuhimu wa kimetodolojia kwa timu za utafiti na maendeleo zinazofanya kazi kwenye mabasi ya umeme, magari ya umeme yenye mota huru za magurudumu na mifumo ya uendeshaji wa nguvu inayofafanuliwa kwa programu, kwa sababu inaweza kusaidia kuzoesha usimamizi wa nishati kwa haraka zaidi kwa hali tofauti za uendeshaji. Hata hivyo, utafiti hauna mizunguko ya trafiki maalumu kwa Uturuki, miteremko ya barabara, hali za hali ya hewa, data za meli za ndani au jaribio halisi la uwanjani nchini Uturuki. Kwa hiyo, kuhamisha mbinu kwenye jukwaa la gari nchini Uturuki kunahitaji uthibitishaji upya kwa kutumia ramani za ufanisi wa mota za gari husika, sifa za betri, mfumo wa breki, hali za mshiko wa barabara na data halisi za uendeshaji.

Tatizo kuu la utafiti ni nini?

Katika magari ya umeme yenye uendeshaji uliosambazwa, uwezo wa kudhibiti mota za magurudumu kwa kujitegemea huruhusu mahitaji yale yale ya jumla ya mvuto au breki kutimizwa kwa mgawanyo tofauti wa torati kati ya ekseli ya mbele na ya nyuma. Jukumu la mfumo wa usimamizi wa nishati ni kuweka mwendo unaotakiwa na dereva huku mota zikiendeshwa kadiri iwezekanavyo katika maeneo ya ufanisi wa juu.

Ingawa mbinu za uboreshaji zinazotegemea modeli zinaweza kutatua tatizo hili, watafiti wanaangazia changamoto kama kutolingana kwa modeli, mzigo wa hesabu wa wakati halisi na utegemezi wa hali katika mazingira ya uendeshaji yasiyojulikana au yanayobadilika. Ujifunzaji wa kina wa kuimarisha unaweza kujifunza sera ya usimamizi wa nishati kupitia mwingiliano na mazingira, lakini katika mbinu ya kawaida mafunzo upya yanaweza kuhitajika hali ya uendeshaji inapobadilika.

Suluhisho linalopendekezwa na utafiti ni kuunganisha algoriti ya TD3 na utaratibu wa ujifunzaji wa uhamishaji unaoweza kuhamisha maarifa kati ya kazi tofauti, na kuongeza vikwazo vya utekelezaji ili maamuzi yaliyojifunzwa yaendelee kuwa yanatekelezeka kwa mujibu wa mienendo ya gari.

Gari la umeme lenye uendeshaji uliosambazwa limemodeliwaje?

Modeli ya gari inajumuisha mwendo wa gari kwa mwelekeo wa longitudinal, mienendo ya mzunguko wa kila gurudumu, nguvu za matairi, mota nne huru za magurudumu, betri ya lithiamu chuma fosfeti na mfumo wa breki wa kielektroniki-kimitambo.

Katika mwendo wa longitudinal wa gari, nguvu za mvuto zimezingatiwa pamoja na upinzani wa mteremko, upinzani wa kuviringika na upinzani wa aerodynamic. Muundo wa jumla wa mienendo ya longitudinal umepewa katika utafiti kwa namna ifuatayo:

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

Hapa \(v_x\) inawakilisha kasi ya gari katika mwelekeo wa longitudinal, \(F_{xij}\) nguvu ya longitudinal ya kila tairi, \(f_r\) mgawo wa upinzani wa kuviringika, \(\rho\) msongamano wa hewa, \(C_D\) mgawo wa upinzani wa aerodynamic na \(A\) eneo la mbele.

Mabadiliko ya mizigo ya ekseli za mbele na nyuma wakati wa breki na kuongeza kasi pia yamemodeliwa; modeli ya tairi ya Magic Formula imetumika kuwakilisha uzalishaji usio wa mstari wa nguvu za tairi. Hivyo, mgawanyo wa torati haujatathminiwa kwa kutegemea tu mizigo bora ya ekseli isiyobadilika.

Modeli ya mota na betri imeundwaje?

Kila mota ya gurudumu imemodeliwa kama mota ya umeme inayoweza kutoa torati kwa kujitegemea. Nguvu ya mota imehesabiwa kama kazi ya torati ya mota, kasi ya mzunguko wa mota na ramani ya ufanisi wa mota. Utafiti umezingatia hali za uendeshaji wa kuvuta na za uregeneshaji wa mota.

Kwa betri, imetumika modeli sawa ya saketi ya lithiamu chuma fosfeti inayolenga matumizi ya nishati ya muda mfupi. Upotevu wa uwezo unaohusiana na kuzeeka haukujumuishwa katika upeo wa utafiti. Nguvu ya betri, mkondo na mabadiliko ya SOC yamehesabiwa kupitia volteji ya mzunguko wazi na upinzani wa ndani:

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

na SOC:

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

imeelezwa kwa namna hii.

Kwa nini mfumo wa breki wa kielektroniki-kimitambo umeongezwa kwenye modeli?

Katika breki ya uregeneshaji, torati hasi inayoweza kuzalishwa na mota za magurudumu huenda isitoshe kila wakati kukidhi kupungua kwa kasi kunakohitajika na gari. Kwa hiyo, pamoja na breki ya mota, mfumo wa Electro-Mechanical Brake (EMB) umemodeliwa katika utafiti.

Modeli ya EMB inaunganisha vipimo kama nguvu ya kubana kalipa, mgawo wa msuguano wa breki, radiusi fanisi ya diski, uwiano wa gia na hatua ya skrubu na torati ya breki ya kimitambo. Kwa hiyo, uamuzi wa breki ya uregeneshaji wa algoriti ya usimamizi wa nishati unatathminiwa pamoja na mchango wa mfumo wa breki wa kimitambo.

Nafasi ya hali na vitendo ya wakala wa DTL ni ipi?

Katika utafiti, vekta ya hali ya wakala wa ujifunzaji imefafanuliwa kama ifuatavyo:

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

Hapa \(v_{ref}\) inawakilisha kasi rejea ya gari, SOC hali ya chaji ya betri, \(T_m\) taarifa ya torati inayohusiana na mota, \(v_d\) usumbufu wa kasi na \(\mu_d\) usumbufu wa mgawo wa mshiko wa barabara.

Kitendo cha wakala ni mgawo wa mgawanyo wa torati unaoamua mgawanyo wa torati kati ya ekseli za mbele na nyuma:

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

kwa namna hii.

Kwa nini TD3 ilichaguliwa?

Ingawa DDPG inaweza kutumika katika nafasi endelevu za vitendo, inaweza kuwa na matatizo ya kukadiria kupita kiasi thamani za Q na kutokuwa thabiti katika masasisho ya sera. Kwa hiyo, utafiti unatumia sifa tatu kuu za TD3:

• Kutumia thamani ndogo kati ya makadirio ya Q kutoka kwenye mitandao miwili tofauti ya critic,
• Kuchelewesha masasisho ya Actor na mitandao lengwa,
• Kulainisha sera lengwa kwa kuongeza kelele nasibu iliyokatwa kwenye kitendo lengwa.

Muundo huu unalenga kupunguza utegemezi wa uamuzi wa mgawanyo wa torati kwa makadirio yenye matumaini kupita kiasi ya mtandao mmoja wa critic.

Ujifunzaji wa uhamishaji unafanyaje kazi?

Ubunifu mkuu wa mbinu inayopendekezwa ni kwamba haianzi kila hali mpya ya uendeshaji kwa vigezo nasibu kabisa. Kwanza, sera ya TD3 hufundishwa katika kazi chanzo. Vigezo vilivyojifunzwa vya Actor na mitandao miwili ya critic kisha hutumiwa kama vigezo vya kuanzia vya kazi lengwa inayofuata.

Katika mtandao lengwa, tabaka fiche zinazochukuliwa kuwa zinawakilisha sifa za jumla hugandishwa, wakati tabaka zilizounganishwa kikamilifu na tabaka za matokeo husasishwa kwa mujibu wa hali mpya. Kwa njia hii, watafiti wanalenga kuhifadhi maarifa ya jumla ya usimamizi wa nishati yaliyojifunzwa katika hali iliyotangulia na kurekebisha upya tabaka za maamuzi mahususi kwa kazi mpya pekee.

Kwa nini vikwazo vya utekelezaji ni muhimu?

Wakala wa ujifunzaji wa kuimarisha kutoa mgawanyo wa torati unaoonekana mzuri kwa upande wa nishati hakumaanishi kuwa uamuzi huo ni salama kwa mujibu wa mienendo ya gari. Kwa hiyo, utafiti unaongeza vikwazo viwili tofauti vya utekelezaji: kizuizi cha mgawanyo wa torati na kizuizi cha urejeshaji wa nishati.

Mipaka ya mgawanyo wa torati imeundwa kwa kutumia nguvu ya breki ya gari, uhamishaji wa mzigo kati ya ekseli za mbele na nyuma na vigawo vya matumizi ya mshiko, na imewekewa kikomo kwa mbinu ya uthabiti wa breki inayotumiwa katika kanuni za ECE. Lengo ni kupunguza hatari ya kuteleza au kupoteza uthabiti kutokana na kufunga vibaya ekseli ya mbele au ya nyuma.

Urejeshaji wa nishati kwa uregeneshaji umewekewaje kikomo?

Katika utafiti, mbinu ya mantiki tata imetumika kugawanya kati ya breki ya uregeneshaji na breki ya kielektroniki-kimitambo. Watafiti wanaweka kikomo cha mgawo wa urejeshaji kwa njia inayobadilika kwa kueleza kuwa urejeshaji wa nishati kupita kiasi unaweza kuwa na athari hasi kwa utendaji na usalama katika hali ambapo kasi ya gari na SOC ya betri ni ya juu sana au ya chini sana.

Onyo kuhusu ulinganifu wa chanzo: Maelezo ya Sehemu 3.2.2 yanafafanua pembejeo za mfumo wa mantiki tata kuwa kasi ya longitudinal \(v_x\) na SOC, lakini sheria katika Mlinganyo 22 imeandikwa kama “IF μ ... and vₓ ...”. Kwa hiyo, chanzo hakiko thabiti kikamilifu kuhusu ikiwa kigezo cha pili cha pembejeo ni SOC au mgawo wa mshiko wa barabara μ. Pengo hili halijajazwa kwa taarifa ya nje katika maandishi haya ya Verianla.

Mzunguko wa uendeshaji wa CARLA uliundwaje?

Kwa kuzingatia kwamba mizunguko ya kawaida ya uendeshaji inaweza isiwe ya kutosha kuwakilisha hali moja pekee, jukwaa la uendeshaji linalotegemea CARLA limetumika. Kielelezo 8 cha utafiti kinaonyesha kituo cha kazi cha simuleringi chenye usukani na skrini, pamoja na mazingira tofauti ya mtandaoni ndani ya CARLA.

Katika Kielelezo 9, mzunguko wa mafunzo wa sekunde 1200 umegawanywa katika kazi tatu:

• Task 1: takriban sekunde 0-400, Urban,
• Task 2: takriban sekunde 400-800, Town,
• Task 3: takriban sekunde 800-1200, Highway.

Muundo huu umetumika kupima uhamishaji wa sera mfululizo kati ya viwango tofauti vya kasi na hali za uendeshaji.

Kwa nini mafunzo yalifikia muunganiko kwa haraka zaidi?

Tofauti na mafunzo huru ya DDPG na TD3, DTL hubeba mtandao uliojifunza awali kati ya kazi mfululizo. Katika Kielelezo 10, muunganiko umeonyeshwa kwa takriban hatua 35 za ujifunzaji kwa DDPG, 29 kwa TD3 na 29 kwa kazi ya kwanza ya DTL, huku kazi ya pili na ya tatu zilizohamishwa zikizoeshwa kwa hali mpya katika hatua 4 na 7 tu za ujifunzaji.

Watafiti wanaripoti kwamba kutokana na hili DTL ilipunguza muda wa jumla wa mafunzo unaohitajika kwa %42,53 na %10,71, na kuyumba kwa mafunzo kwa %63,11 na %57,06, ikilinganishwa na algoriti mbili zilizolinganishwa.

Hitimisho zinazoungwa mkono na utafiti

• Kuhamisha vigezo vya mtandao wa TD3 vilivyojifunzwa kwenda kwenye kazi mpya za uendeshaji kuliharakisha muunganiko wa kazi zilizofuata katika simuleringi iliyochunguzwa.
• Katika mizunguko ya CARLA na WLTC, DTL ilikusanya nukta nyingi zaidi za uendeshaji wa mota katika eneo la ufanisi wa juu kuliko DDPG na TD3.
• Matumizi ya nishati yaliyoripotiwa katika utafiti kwa DTL ni 2,17 kWh katika mzunguko wa CARLA na 2,49 kWh katika mzunguko wa WLTC.
• Vikwazo vinavyobadilika vya mgawanyo wa torati na urejeshaji wa nishati hutumika kabla ya sera iliyojifunzwa kubadilishwa moja kwa moja kuwa amri za kimwili.
• Uhamishaji wa sera chanzo-lengwa ulionyesha muda mfupi wa kuzoea kuliko mbinu ya mafunzo upya inayojitegemea kabisa.

Hitimisho ambazo utafiti hauungi mkono

• Mkakati haujathibitishwa katika jaribio halisi la barabarani la gari la uzalishaji wa mfululizo.
• Matokeo ya simuleringi ya CARLA si hakikisho la matumizi ya nishati katika hali halisi za trafiki.
• Kwa kuwa kuzeeka kwa betri hakujajumuishwa katika modeli, faida ya muda mrefu ya maisha ya mizunguko haijaonyeshwa.
• Utafiti hauonyeshi kuwa akiba sawa ya nishati itapatikana katika usanifu wote wa magari ya umeme.
• Ucheleweshaji wa hesabu, matumizi ya kumbukumbu au uthibitishaji wa usalama wa mbinu kwenye vifaa halisi vya ECU haujathibitishwa.
• Data maalumu za trafiki, gari na majaribio ya uwanjani nchini Uturuki hazikutumika.

Mbinu na Matokeo ya Utafiti

Vigezo vya ujifunzaji

Matokeo ya mzunguko wa CARLA

Kiashirio cha nishati cha Kielelezo 13 kimewekewa alama “kW” kwenye grafu; hata hivyo, maandishi ya matokeo yanataja matumizi ya nishati ya DTL wazi kuwa 2,17 kWh . Kwa hiyo, kitengo cha grafu cha DDPG na TD3 hakijabadilishwa kimya kimya kuwa kWh hapa.

Katika grafu za nukta za uendeshaji wa mota, inaonekana kuwa DDPG inaacha nukta nyingi zaidi katika maeneo ya ufanisi wa chini, huku TD3 na DTL zikitumia hasa mota za magurudumu ya nyuma kwa kiwango kikubwa zaidi. Watafiti wanaeleza kuwa DTL inaweza kutumia zaidi maeneo ya ufanisi wa juu kwa sababu inasasisha vigezo vya mtandao kulingana na hali.

Uthibitishaji wa WLTC

WLTC, ambayo ni tofauti na mzunguko wa mafunzo, imetumika kutathmini uwezo wa kujumlisha. Viashirio vya utendaji katika Kielelezo 16 vinaonyesha idadi ya nukta za uendeshaji wa mota zenye ufanisi wa juu kuwa 880 kwa DDPG, 892 kwa TD3 na 905 kwa DTL.

Katika Kielelezo 16, thamani za mwisho za SOC zinaonekana kuwa %71,7 kwa DDPG, %72,1 kwa TD3 na %72,3 kwa DTL. Katika grafu hiyo hiyo, muda wa suluhisho umeonyeshwa kuwa 15,88 s, 15,19 s na 14,70 s mtawalia.

Ingawa viashirio vya nishati kwenye grafu vinaonekana kuwa takriban 2,60 kwa DDPG, 2,55 kwa TD3 na 2,49 kwa DTL, kitengo kwenye grafu ni “kW”. Maandishi ya maelezo yanaeleza wazi matumizi ya jumla ya nishati ya mzunguko ya DTL pekee kuwa 2,49 kWh . Kwa hiyo, kitengo cha thamani nyingine hakijarekebishwa kimya kimya katika chanzo.

Kutokuwiana kwa SOC katika matokeo ya WLTC

Katika maandishi ya matokeo ya WLTC kuna sentensi yenye kauli “battery SOC under DTL drops to 71.7%”. Katika mwendelezo wa aya hiyo hiyo, SOC ya mwisho ya DTL imeandikwa kuwa %72,3. Kielelezo 16, hata hivyo, kinaweka wazi thamani %71,7 kwa DDPG, %72,1 kwa TD3 na %72,3 kwa DTL.

Kwa hiyo, katika maelezo haya ya Verianla, uainishaji unaoonekana katika Kielelezo 16 umeelezwa kando, lakini kauli ya kwanza “DTL %71,7” katika maandishi ya chanzo haijafichwa kana kwamba haipo. Kuna uwezekano mkubwa wa kosa la uwekaji lebo ndani ya chanzo chenyewe.

Kosa la chanzo katika Mlinganyo 24

Katika Mlinganyo 24, unaofafanua ubadilishaji wa matokeo ya wakala wa DTL kuwa torati za kuvuta/kubreki za magurudumu ya mbele na nyuma, upande wa kushoto wa mistari miwili tofauti umetumia Tbfj . Ingawa mstari wa pili ungeweza kutarajiwa kuwakilisha torati ya breki ya ekseli ya nyuma, chanzo hakitumi ishara tofauti. Aidha, torati ya mota inayotolewa katika usemi wa pili pia imerudiwa kama Tdfj .

Kwa hiyo, fomula haijawasilishwa upya hapa kama mlinganyo uliorekebishwa. Kabla ya kuhamishwa kwenye matumizi ya udhibiti wa wakati halisi, fomula asilia ya waandishi inahitaji kuthibitishwa.

Nguvu za kimetodolojia za utafiti

• Kutathmini modeli ndogo za gari, tairi, mota, betri na breki ya kielektroniki-kimitambo ndani ya mfumo mmoja wa usimamizi wa nishati.
• Kuunganisha critic mbili za TD3, masasisho yaliyocheleweshwa na ulainishaji wa sera lengwa na ujifunzaji wa uhamishaji.
• Kuhamisha vigezo vya sera chanzo kwenda kwenye kazi mpya za uendeshaji.
• Kumodeli kando vikwazo vya utekelezaji kwa mgawanyo wa torati na breki ya uregeneshaji.
• Kutumia mzunguko wa mafunzo wa hali nyingi unaojumuisha sifa za mjini, mji mdogo na barabara kuu.
• Kufanya uthibitishaji wa ziada katika hali ya WLTC iliyo tofauti na mzunguko wa mafunzo.

Vikwazo vikuu

Matokeo ya utafiti yanategemea simuleringi na modeli. Hakuna jaribio la barabarani kwenye DDEV halisi, hardware-in-the-loop wala uthibitishaji wa utekelezaji uliopachikwa kwenye ECU halisi uliowasilishwa. Kwa hiyo, muda wa suluhisho ulioripotiwa si sawa na ucheleweshaji wa hesabu wa kitengo halisi cha udhibiti wa gari.

Kuzeeka kwa betri hakujajumuishwa katika upeo wa utafiti. Kwa hiyo, athari ya mkakati wa breki ya uregeneshaji kwa maisha ya mzunguko wa betri, joto au upotevu wa uwezo wa muda mrefu haijabainishwa.

Waandishi wanaeleza wazi katika sehemu ya hitimisho kwamba walitumia idadi ndogo ya sifa za hali na muundo uliorahisishwa wa mtandao ili kupunguza ugumu wa mafunzo. Kwa hiyo, kuongeza vigezo vipana zaidi vya mazingira kunaweza kubadilisha utendaji wa mbinu na mahitaji yake ya mafunzo.

Aidha, chanzo kina kutokuwiana kwa kiformal kuhusu vigezo vya pembejeo vya mfumo wa mantiki tata wa breki ya uregeneshaji na ishara za torati katika Mlinganyo 24. Hizi ni taarifa za kiufundi zinazohitaji kuthibitishwa kabla ya mbinu kuhamishwa kwenye msimbo halisi wa udhibiti wa gari.

Dokezo la Chanzo na Mbinu

Jina kamili la kazi asilia: Deep Transfer Learning Based Energy Management Strategy for Distributed Drive Electric Vehicles Considering Execution Constraints

Waandishi na mpangilio: Zexuan Han; Jiageng Ruan; Tianche Hou; Zhaowen Liang; Kai Liu.

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

Mchango sawa/uandishi wa kwanza sawa: Haujaripotiwa katika toleo lililopakiwa.

Mwandishi wa mawasiliano: Hakuna alama ya mwandishi wa mawasiliano wala tamko wazi la mwandishi wa mawasiliano katika toleo lililopakiwa.

Barua pepe ya mwandishi wa mawasiliano: Haijatolewa katika toleo lililopakiwa.

Aina ya chanzo: Preprint ya utafiti wa kihesabu/unaotegemea modeli kuhusu usimamizi wa nishati wa magari ya umeme yenye uendeshaji uliosambazwa.

Jukwaa: SSRN.

Nambari ya usajili ya SSRN: 6934158.

DOI: 10.2139/ssrn.6934158.

Kiungo rasmi cha preprint:SSRN 6934158

Hali ya mapitio ya kitaalamu: Toleo lililokaguliwa ni preprint ambayo haijapitia mapitio ya kitaalamu.

Tarehe ya kuchapishwa: Toleo lililopakiwa halina tarehe wazi ya kuchapishwa. Katika ukaguzi wa faharasa ya bibliografia, tarehe 14 Juni 2026 inaonekana; kwa kuwa ukurasa wa moja kwa moja wa SSRN haukuweza kuthibitishwa katika kikao hiki, tarehe hii inapaswa kutathminiwa kama taarifa ya faharasa ya pili.

Toleo la jarida lililopitiwa: Katika ukaguzi wa bibliografia, hakuna chapisho tofauti la jarida lililopitiwa lililothibitishwa kwa kichwa hiki hiki. Kwa hiyo, jina la jarida, DOI ya chapisho lililopitiwa au rekodi ya mchapishaji haijabuniwa.

Mbinu: Ujifunzaji wa kina wa kuimarisha unaotegemea TD3; ujifunzaji wa uhamishaji kupitia kuhamisha vigezo vya mtandao na kurekebisha tabaka kwa kina; modeli ya mienendo ya longitudinal ya DDEV; modeli ya tairi ya Magic Formula; modeli ya mota ndani ya gurudumu; modeli sawa ya betri ya lithiamu chuma fosfeti; modeli ya breki ya kielektroniki-kimitambo; vikwazo vya mgawanyo wa torati na urejeshaji wa nishati kwa uregeneshaji unaotegemea mantiki tata.

Mazingira ya mafunzo na majaribio: Jukwaa la uendeshaji la hali nyingi linalotegemea CARLA na mzunguko wa ziada wa uthibitishaji wa WLTC.

Aina ya data: Katika utafiti, mzunguko wa mafunzo wenye kazi za Urban, Town na Highway uliundwa kwa kutumia data za simuleringi/uendeshaji zilizokusanywa kutoka kwenye jukwaa la uendeshaji. Haijaonyeshwa kuwa hizi ni data za meli zilizokusanywa kwenye barabara halisi za umma.

Ufadhili: Hakuna tamko tofauti la ufadhili katika toleo lililopakiwa.

Mgongano wa maslahi: Hakuna tamko tofauti la mgongano wa maslahi katika toleo lililopakiwa.

Upatikanaji wa data: Hakuna tamko tofauti la upatikanaji wa data.

CRediT/michango ya waandishi: Hakuna tamko la kina la michango ya CRediT katika toleo lililopakiwa.

Leseni: Hakuna leseni ya wazi ya Creative Commons au leseni sawia ya matumizi tena iliyobainishwa katika toleo lililopakiwa. Kwa hiyo, vielelezo asilia havijachapishwa tena moja kwa moja katika makala hii.

Kutokuwiana ndani ya chanzo 1: Maandishi ya maelezo ya WLTC yanatoa thamani ya mwisho ya SOC ya DTL kuwa %71,7 na pia %72,3. Lebo za Kielelezo 16 ni DDPG %71,7, TD3 %72,1 na DTL %72,3.

Kutokuwiana ndani ya chanzo 2: Maelezo ya sehemu ya kizuizi cha urejeshaji wa nishati yanaeleza pembejeo za mfumo wa mantiki tata kuwa kasi na SOC, huku Mlinganyo 22 ukitumia vigezo μ na kasi.

Kutokuwiana ndani ya chanzo 3: Katika Mlinganyo 24, usemi wa pili unaotarajiwa kuwakilisha torati ya breki ya ekseli ya nyuma unarudia ishara za ekseli ya mbele. Mlinganyo haujarekebishwa kwa taarifa ya nje.

Kutokuwiana kwa kitengo ndani ya chanzo: Grafu za matumizi ya nishati katika Kielelezo 13 na Kielelezo 16 zina lebo ya “kW”, ilhali maandishi ya maelezo yanatumia 2,17 kWh na 2,49 kWh mtawalia kwa DTL.

Kikomo cha kisayansi: Utafiti unategemea simuleringi na uthibitishaji wa modeli ya kihesabu ya gari. Hakuna uthibitishaji kwa gari la uzalishaji wa mfululizo, barabara halisi, hardware-in-the-loop, ECU halisi au kuzeeka kwa betri kwa muda mrefu.

Kanuni ya maudhui ya kisayansi: Mbinu, matokeo ya kihesabu na vikwazo katika maelezo haya ya Verianla vinategemea kazi iliyochunguzwa. Vyanzo vya nje vilitumika tu kuthibitisha DOI na faharasa ya bibliografia; hakuna matokeo mapya kutoka tafiti nyingine yaliyoongezwa kwenye maelezo makuu ya kisayansi.