Core Concepts
ニューラルネットワークとソフトアルグマックス演算子を使用して、エネルギー消費を最小化する生態学的なギアシフト戦略を実現する。
Abstract
この論文では、リアルタイムで生態学的なギアシフト戦略を達成するために、ニューラルネットワーク最適化プログラムが提案されています。混合整数モデル予測制御(MIMPC)問題として再定式化された戦略は、エネルギー消費を最小限に抑えることを目指しています。外部凸面化が導入されて整数変数が緩和されたバイナリ制御に変換されます。訓練中にバイナリ解を適切に近似するために、すべての操作が微分可能であることから、ニューラルネットワークにソフトアルグマックス演算子が適用されます。この演算子は緩和バイナリ変数を0または1に近づけるのに役立ちます。この戦略の効果を評価するために、2速度電気自動車(EV)に展開しました。成熟したソルバーBonminと比較して、提案された方法は同様の節約効果だけでなく、実時間要件を満たすための解決時間も大幅に短縮します。これにより、規則ベースの方法と比較して6.02%の顕著なエネルギー節約が実現されました。
Stats
6.02%のエネルギー節約効果
Bonminでは0.55%未満のサブ最適性
NNオプティマイザーは0.045msで計算しました。
Bonminは1秒以内でリアルタイム最適化を完了できませんでした。
Quotes
"提案されたNNオプティマイザーはBonminと同等以上のエネルギーコスト削減効果を持っています"
"NNオプティマイザーは計算時間0.045msで実行可能です"
"提案手法は規則ベース手法と比較して6.02%のエネルギーコスト削減率を達成しました"