农业机械学报

作者：李利桥，陈江春，刘伟，聂晶，高宗余

单位：石河子大学;兵团石河子国家农业科技园区管委会,石河子大学;现代农业机械兵团重点实验室,兵团石河子国家农业科技园区管委会,石河子大学;现代农业机械兵团重点实验室,石河子大学;现代农业机械兵团重点实验室,

关键词：电动拖拉机;氢燃料电池;能量管理策略;深度强化学习;Q-学习;动态规划

基金：国家自然科学基金项目（52265038）、新疆维吾尔自治区2023人才发展基金-天池英才创新领军人才项目（CZ002507）、兵团科技计划项目（2023ZD056）、石河子大学国际科技合作推进计划项目（GJHZ202208）、石河子大学高层次人才科研启动项目（RCZK202309、RCZK2018C33）和石河子大学青年创新人才培育计划项目（CXPY201904）

针对氢燃料电池电动拖拉机（Hydrogen fuel cell electric tractor，HFCET）能量管理策略在线运行时对工况适应性差的问题，提出一种基于深度Q网络（Deep Q-networks，DQN）学习的混合能量管理策略。将深度强化学习方法用于氢燃料电池（Hydrogen fuel cell，HFC）电动拖拉机对提高燃料经济性和延长燃料电池使用寿命具有重要作用。首先，以燃料电池氢耗量为目标，将Q-学习算法与DQN算法进行对比，并与动态规划（Dynamic programming，DP）方法进行比较。将燃料电池性能退化因子纳入目标函数，通过调整性能退化因子与氢耗量实现氢燃料电池经济性和系统性能退化之间的动态平衡。通过电动拖拉机实际运行工况验证所提策略的有效性。实际运行工况试验结果表明，在训练中纳入氢燃料电池性能退化因子时，能量管理策略（Energy management strategy，EMS）能耗下降2.46%，达到实际运行工况DP方法EMS的87.63%，有效抑制了氢燃料电池性能衰退。同时，与DP方法相比，计算效率提高78%以上。

来源：2025年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第7期