fuel consumption | BriefGPT

关键词fuel consumption

搜索结果 - 9

利用网格翼和路径跟随的火箭降落控制
优化火箭的降落轨迹，通过使用不同的技术来减少降落过程中的总燃料消耗。使用基于模型预测控制的 Trajectory Optimizing Path following Estimation from Demonstration 算法（TOPE
PDFa month ago
混合自主交通中用宏观模型进行车队行驶的动态学习
通过耦合的偏微分方程和常微分方程模型，本研究着眼于发展针对车队控制的 Dyna 式计划和学习框架，旨在减少燃料消耗，模拟结果验证了我们宏观模型在混合自治设置中建模车队的有效性，与传统方法相比，燃料消耗明显减少了 10.11%。
PDF2 months ago
混合动力车的受约束最优燃料消耗：受约束强化学习方法
混合动力汽车是越来越受欢迎，因为它们可以更好地结合内燃机和电动机的工作特性。本文首次从有限增强学习的角度提供了有限约束优化燃料消耗（COFC）的数学表达式，并首次利用有限变分策略优化（CVPO）和基于 Lagrange 方法的有限方法来获得
PDF4 months ago
能源高效驾驶行为与应用最新人工智能方法的范围性审查
该研究通过广泛的文献综述，分析了影响能源消耗的驾驶行为因素和最先进的方法，并给出了包括能源高效驾驶风格特征、推荐的九种能源高效驾驶风格以及为不同类型的驾驶员和雇主提供的两个主观建议。
PDF4 months ago
超越模拟驾驶员：评估混合交通控制中实际车辆跟随的影响
人工驱动车辆导致交通拥堵，增加燃油消耗、碰撞风险和减少容量利用率。本研究通过分析真实世界中的人类驾驶轨迹，提取了在车跟随过程中的加速行为，并将这些行为与之前研究中的自动驾驶车辆结合起来，以减少拥堵并评估其安全性、效率和稳定性。此外，还引入了
PDF8 months ago
动力总成控制的残差策略学习
本文介绍一种主动驾驶辅助方法，使用剩余策略学习代理人来提供剩余操作以平衡燃料消耗和其他驾驶员适应性目标。通过实施在各种车辆尾随情境下的模拟商用车上，我们发现与基线源策略相比，剩余策略学习代理人很快学习到了显着改进的策略，但在某些方面不如从头
PDF2 years ago
深度强化学习实现驾驶援助生态驾驶和传动控制
本文提出了针对现代交通运输领域中节约能源消耗和减少温室气体排放的需求，采用深度强化学习控制体方法，模拟实现了可交互的节油驾驶辅助代理，以最小化油耗为目标，并通过与基准控制器性能的比较，验证了该代理策略的有效性。
PDF2 years ago
路口信号灯处学习生态驾驶策略
本文提出一种基于强化学习的环保行车控制策略，通过对不同交通场景的模拟比较，在全自动驾驶交通方式下可将燃油消耗降低 18%, CO2 排放降低 25%，同时提高 20% 的车速，并且即使只有 25% 的自动驾驶汽车，也能带来至少 50% 的燃
PDF2 years ago
城市交通路口联网自动化车辆的最优控制与协调
本文提出了一个民间最优控制框架，该方法可以协调联网和自动化的车辆穿过城市区域的相邻两个交叉口，并优化车辆加减速度降低油耗，保证在不使用交通信号灯的情况下交叉口的流畅与行车安全和避免拥堵。最后在仿真实验中证实了该方法的有效性，并表明车辆油耗和
PDF9 years ago