本发明涉及一种基于深度Q神经网络的主动悬架强化学习控制方法,属于汽车动态控制和人工智能技术领域。本发明中强化学习控制器主体从悬架系统中获取车身加速度、悬架动挠度等状态观测量,利用策略来决定合理的主动力施加给悬架系统,悬架系统根据主动力改变当前时刻的状态,同时产生一个奖励值来评判当前主动力的好坏。设定合理的奖励函数,结合从环境中获取的动态数据,便能确定出一种最优策略来决定主动控制力的大小,使得控制系统整体在大量训练下性能更加优越。基于深度Q神经网络的强化学习控制方法使得主动悬架系统能够动态自适应调节,从而克服传统悬架控制方法难以解决的参数不确定性和多变路面干扰等因素带来的影响,在保证车辆整体的安全性前提下,尽可能提高乘客的乘坐舒适性。
声明:
“基于深度Q神经网络的主动悬架强化学习控制方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)