买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于贝叶斯优化的强化学习半主动悬架智能控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120792407B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511261109.5，技术领域涉及：B60G17/018；该发明授权一种基于贝叶斯优化的强化学习半主动悬架智能控制方法是由陈国迎;王鑫煜;王佳琦;丛仕淇;王思达;毕晨晓;高镇海设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种基于贝叶斯优化的强化学习半主动悬架智能控制方法在说明书摘要公布了：本发明适用于车辆智能控制技术领域，提供了一种基于贝叶斯优化的强化学习半主动悬架智能控制方法。该方法通过采集车辆状态数据并处理，然后采用近端策略优化PPO算法并结合非参数奖励函数设计深度强化学习模型，通过贝叶斯优化算法搜索模型的最优超参数集合，利用优化后的超参数训练模型，生成半主动悬架智能控制策略，以车辆状态奖励评价动作结果。本发明通过在PPO算法中采用非参数奖励函数实现多目标协同优化，利用三层深度神经网络以数据驱动方式应对复杂控制问题，引入贝叶斯优化自动搜索超参数以提升效率与性能，同时将优化目标函数设计为梯形数值积分与简单移动平均值的结合以稳定奖励值并加速收敛。

本发明授权一种基于贝叶斯优化的强化学习半主动悬架智能控制方法在权利要求书中公布了：1.一种基于贝叶斯优化的强化学习半主动悬架智能控制方法，其特征在于，包括以下步骤： 步骤1：数据采集与处理； 通过布置在车辆上的传感器网络实时采集车辆状态数据，使用预设方法对来自车辆不同传感器的数据进行预处理； 步骤2：基于非参数奖励函数的深度强化学习模型设计； 以近端策略优化算法为基础构建深度强化学习模型；将预处理后的车辆状态数据作为状态空间，以车辆半主动悬架的控制电流输出作为动作空间，并设计非参数奖励函数；车辆状态数据包括车身垂向加速度、车辆侧倾角、车辆侧倾角速度、车辆横摆角速度； 步骤3：基于贝叶斯优化算法的深度强化学习模型参数优化； 构建近端策略优化算法待优化的超参数集合，通过贝叶斯优化方法进行搜索； 步骤4：基于贝叶斯优化的无参数奖励函数深度强化学习模型训练及半主动悬架智能控制策略生成； 初始化经验缓存区、策略网络参数、价值网络参数，利用贝叶斯优化得到的超参数集合对深度强化学习模型进行训练，得到基于贝叶斯优化的无参数奖励函数深度强化学习半主动悬架智能控制策略； 所述步骤2包括以下子步骤： 步骤2.1：状态观测量选择； 定义近端策略优化算法的状态观测量为，其中，表示时刻的状态观测量，包括车身垂向加速度、车辆侧倾角、车辆侧倾角速度、车辆横摆角速度； 步骤2.2：动作量选择； 定义动作量为，其中表示时刻的动作量，即作用于半主动悬架的控制电流； 步骤2.3：非参数奖励函数设置； 对非参数奖励函数进行定义：，其中，表示时刻的环境的奖励函数；奖励函数中所包含的车身垂向加速度用于稳定车身垂向方向的振动；车辆侧倾角用于保证车辆的操纵稳定性； 步骤2.4：悬架物理限制； 将悬架动挠度不超过最大行程以及车辆轮胎的动载荷小于静载荷作为约束； 步骤2.5：网络架构搭建； 策略网络与价值网络采用相同的三层深度神经网络，每层网络神经元个数为100，激活函数使用线性整流函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。