〖内容摘要〗传统车辆动力传动系统的电气化对降低油耗起着决定性的作用。同时，在实际道路行驶条件下，也必须达到降低污染物排放限值的要求。这种燃料消耗和污染物排放之间的平衡需要优化，这就导致动力系统越来越复杂。因此需要对这类系统进行全面的能源和排放管理，以便在遵守排放限制的同时尽量减少燃料消耗。

数学优化方法对计算能力和校正具有较高的要求，难以应用于实时应用。另一方面，自学习算法似乎是解决此类优化问题的合适方法。本文提出了一种混合动力汽车的控制策略，该策略由一个决策代理组成，在不同的试验驱动上进行强化学习训练。针对这些训练，采用了最近策略优化方法。该策略控制了内燃机和电动机之间的扭矩分配，电加热催化剂和内部发动机的功率测量。该方法在基于柴油P0-HEV和尾气后处理系统的仿真框架中得到了验证。与参考策略相比，在测试数据集上平均减少了3.1%的燃料消耗。

〖来源〗IFAC-PapersOnLine,Volume 52, Issue 29, 2019, Pages 19-24