一种基于深度强化学习的模型预测控制器参数自标定方法

本发明适用于车辆智能控制技术领域，提供了一种基于深度强化学习的模型预测控制器参数自标定方法。本发明利用一阶惯性环节对车辆转向系统的延时特性进行模型化表达，将其作为状态变量增广至误差跟踪控制架构，并以此设计考虑转向延迟特性的模型预测控制器，解决了目标车轮转角和实际车辆转角存在迟滞、恶化自动驾驶车辆横向运动控制性能的问题。同时设计多目标奖励机制的深度Q网络（DQN），训练最优策略来快速标定模型预测控制（MPC）多参数。强化学习的泛化性能使车辆在得到足够数量的训练后能适应多数复杂工况，解决了传统方法中控制系统参数标定时间长、鲁棒性不足的难题，实现复杂工况下全线控四轮转向车辆的高精度、稳定横向控制。