一种基于深度强化学习的智能汽车稳定性控制方法

作者:黄鹤; 郭伟锋; 张炳力; 张润; 王博文; 吴润晨; 程进
来源:2019-08-29, 中国, ZL201910809910.7.

摘要

本发明公开了一种基于深度强化学习的智能汽车稳定性控制方法,其步骤包括:1获取汽车横向控制器的决策输出和车辆结构参数、行驶参数;2定义深度强化学习方法的状态参数、动作参数和奖励函数;3构建并训练深度强化学习方法的网络模型,得到最优动作网络模型;4获取汽车当前状态参数st,从而利用所述最优动作网络模型输出当前附加横摆力矩▽Mt和修正转角▽δt;5判断汽车稳定状态;6根据汽车转向性质和方向盘转角方向确定当前修正转角▽δt的方向和当前附加横摆力矩▽Mt的动作车轮。本发明能实现稳定工况和极限工况下直接横摆力矩控制和转向控制之间的最优协调控制规律,从而实现车辆稳定性控制,保证驾乘人员的安全性和舒适性。