基于模型预测与强化学习的后轮主动转向控制方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于模型预测与强化学习的后轮主动转向控制方法及系统
申请号:CN202411831342
申请日期:2024-12-12
公开号:CN119705473B
公开日期:2025-12-19
类型:发明专利
摘要
本公开提供了基于模型预测与强化学习的后轮主动转向控制方法及系统,涉及汽车控制技术领域,包括:将车辆的前轮转角、车速、横摆角速度以及质心侧偏角输入至模型预测控制器中,将给定的参考轨迹作为控制目标,滚动优化模型预测控制器的输出,输出得到最优的后轮转角控制量;将车辆状态信息以及最优的后轮转角控制量输入至深度强化学习网络,将多层全连接神经网络作为深度确定性策略梯度强化学习算法中Actor的动作网络,给定期望值,设置观测状态值以及奖励,利用深度确定性策略梯度强化学习算法进行质心侧偏角和横摆角速度目标跟踪,使得横摆角速度和质心侧偏角要尽可能接近期望值,实现最优的后轮转向控制。
技术关键词
后轮主动转向 模型预测控制器 质心侧偏角 深度确定性策略梯度 横摆角速度 强化学习算法 后轮转向控制 车辆状态信息 非暂态计算机可读存储介质 深度强化学习 单轨 网络 主动转向控制 车辆纵向速度 离散状态空间 前轮 汽车控制技术 电子设备 处理器
系统为您推荐了相关专利信息
推荐系统 强化学习策略 航班动态信息 区块链存证技术 深度确定性策略梯度
风险预测系统 风险预测模型 多模态数据采集 强化学习算法 在线学习技术
金融 风险 报告 因子 训练语言模型
终端设备 基站 反射单元 深度确定性策略梯度 波束赋形设计
货叉高度 智能作业 判定作业 异构传感器 防碰撞预警