录用日期: 2026-01-07
摘要:
在新能源汽车高负荷运行场景下,动力电池组面临复杂电热耦合环境,其内部电化学反应剧烈、热积累效应显著,易引发温场能效失衡问题,难以实现热状态的精准感知与实时控制。为了解决该问题,设计了基于深度强化学习的动力电池组降温自适应控制系统。以数据驱动决策、闭环保障精准为核心,构建了三层协同的全流程闭环总体架构,围绕深度强化学习算法决策中枢,联动数据采集、信息交互、执行控制三大模块,实现动力电池热特性与冷却控制的自适应匹配。硬件上,采用“测温+测流”双组件协同设计的热特性多维度采集模块,确保数据精准量化;通过CAN总线实现整车工况通信模块的实时数据交互;自适应冷却指令执行模块则将控制指令转化为实际冷却动作,形成闭环控制。软件上,通过计算动力电池温度偏差变化率,量化产热、温度偏差与趋势递进关系,结合深度强化学习算法,构建“状态输入-行为输出-奖励函数-策略更新”闭环控制框架,实现温场能效平衡,完成动力电池热特性的自适应降温。在高温爬坡极端工况下进行系统测试,结果表明,该方法在温度分布均匀性(温差≤1℃)与响应延迟(≤5ms)方面均显著优于现有主流控制方法,展现出良好的控制性能。