Nei veicoli ibridi elettrici (HEV) l’introduzione di una o più sorgenti di potenza, rispetto ad un veicolo convenzionale, aumentano la complessità del powertrain e di conseguenza il sistema di gestione energetica del veicolo. Pertanto, negli ultimi anni la ricerca sull’ energy management è diventata un’area sempre più importante negli studi degli HEV. All’interno di questo lavoro di tesi è stato applicato un algoritmo di Deep Reinforcement Learning, ossia il Deep Q-Network (DQN), che combina i concetti dell’apprendimento per rinforzo con l’utilizzo di reti neurali artificiali. Questo algoritmo è utilizzato per gestire la ripartizione dei flussi di potenza tra il motore termico (ICE) e la macchina elettrica (EM), controllando contemporaneamente i consumi di combustibile (FC) e lo stato di carica della batteria (SOC).