Safe Deep Reinforcement Learning for Energy Management of Electrified Vehicles: Optimal Action Filtering and Battery-in-the-Loop Validation
Notice bibliographique
Résumé
Despite the promising performance of deep reinforcement learning (DRL)-based energy management systems (EMS) for electrified vehicles, persistent safety concerns regarding control actions hinder their real-world deployment. This paper proposes a safe DRL-based EMS for hybrid electric vehicles (HEVs) that guarantees zero safety violations during both training and deployment. A model-based safety layer is developed with prior knowledge to filter unsafe actions with minimal disruption to agent exploration. This safety metric evaluation is embedded into the reward function via a Lagrangian relaxation method, enabling adaptive penalization of constraint violations and prompting efficient policy learning. A safe soft actor-critic (SSAC) EMS is then trained under stochastic conditions, including random initial battery state-of-charge (SOC) and multi-modal driving cycles. The approach is validated through simulation and battery-in-the-loop (BIL) experiments. The proposed reward formulation accelerates safety-aware policy learning by 38.5% compared to conventional methods. In BIL tests, SSAC-EMS achieves over 95% fuel efficiency relative to the offline dynamic programming (DP) benchmark under unseen driving cycles and initial SOCs, with actions consistently respecting safety constraints. Compared to the adaptive equivalent consumption minimization strategy (AECMS), SSAC-EMS improves fuel economy by 6–10% while delivering more stable SOC regulation and smoother engine operation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».