بهینه سازی همزمان مصرف انرژی و ایمنی در خودروی خودران با استفاده از یادگیری تقویتی عمیق

چکیده مقاله

با گسترش روزافزون خودروهای الکتریکی بهینه سازی مصرف انرژی به یکی از چالش های کلیدی در جهت افزایش برد حرکتی و طول عمر باتری تبدیل شده است این مقاله یک سیستم تصمیم گیری هوشمند برای رانندگی خودران در بزرگراه ارائه می دهد که قادر است به طور همزمان ایمنی و بهره وری انرژی را بهینه کند یک عامل مبتنی بر یادگیری تقویتی عمیق با الگوریتم شبکه Q عمیق DQN در محیط شبیه سازی highway env آموزش داده شده است تابع پاداش این عامل به گونه ای طراحی شده است که علاوه بر تشویق به حرکت سریع و ایمن، هزینه مصرف انرژی ناشی از شتاب گیری و مقاومت هوا را نیز به عنوان جریمه در نظر می گیرد برای ارزیابی عملکرد، نتایج عامل هوشمند با یک مدل استاندارد رانندگی انسانی Intelligent Driver Model IDM به عنوان روش پایه مقایسه شده است نتایج ارزیابی نهایی نشان می دهد که عامل DQN در مقایسه با IDM، نرخ تصادف را به صفر کاهش داده و مصرف انرژی را به طور میانگین تا ۲۸٪ بهینه کرده است این یافته ها پتانسیل بالای یادگیری تقویتی را در توسعه نسل آینده خودروهای خودران ایمن و کم مصرف به اثبات می رساند

کلیدواژه‌ها

نویسندگان

محمد حسین نصیری

ایران تهران دانشگاه علم و صنعت ایران

محمد حسن شجاعی فرد

ایران تهران دانشگاه علم و صنعت ایران

عبدالله امیر خانی

ایران تهران دانشگاه علم و صنعت ایران

نصیری، محمد حسین و شجاعی فرد، محمد حسن و امیر خانی، عبدالله،1404،بهینه سازی همزمان مصرف انرژی و ایمنی در خودروی خودران با استفاده از یادگیری تقویتی عمیق،دومین همایش بین المللی قوای محرکه نوین،تهران

ارائه‌شده در

مجموعه مقالات دومین همایش بین المللی قوای محرکه نوین22 مهر 1404 · تهران