Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于强化学习的车辆制动末期纵向平顺性优化方法及系统 

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!

申请/专利权人:清华大学

摘要:本发明涉及一种基于强化学习的车辆制动末期纵向平顺性优化方法及系统,其特征在于,包括:基于LuGre轮胎模型和车辆纵向振动模型,确定制动末期车辆纵向振动系统的状态方程;基于制动末期车辆纵向振动系统的状态方程,建立基于规则的车辆制动末期控制器;采用PPO优化强化学习算法,对建立的车辆制动末期控制器进行优化,得到优化后的车辆制动末期控制器;将优化后的车辆制动末期控制器嵌入至车辆制动控制器BCU中控制车辆制动压力的变化,本发明可以广泛应用于车辆制动领域中。

主权项:1.一种基于强化学习的车辆制动末期纵向平顺性优化方法,其特征在于,包括:基于LuGre轮胎模型和车辆纵向振动模型,确定制动末期车辆纵向振动系统的状态方程;基于制动末期车辆纵向振动系统的状态方程,建立基于规则的车辆制动末期控制器;采用PPO优化强化学习算法,对建立的车辆制动末期控制器进行优化,得到优化后的车辆制动末期控制器,包括:确定PPO优化强化学习算法中的状态空间、动作空间和奖励函数;基于PPO优化强化学习算法中的状态空间、动作空间和奖励函数,对建立的车辆制动末期控制器进行优化,得到优化后的车辆制动末期控制器;将优化后的车辆制动末期控制器嵌入至车辆制动控制器BCU中控制车辆制动压力的变化;所述状态空间包括车辆运动状态和当前运动状态下的基础操作控制: 式中,和分别为车辆运动状态信息和基础操作控制信息;为当前车辆距离前方障碍物的距离;和分别为车辆的纵向速度和纵向加速度;为车辆的纵向冲击度;和分别为车辆的俯仰角、俯仰角速度和俯仰角加速度;分别为车辆前、后轮的轮速;、为前轮、后轮的制动力矩;所述动作空间为: 式中,和分别为对和的调整操作控制;所述基于PPO优化强化学习算法中的状态空间、动作空间和奖励函数,对建立的车辆制动末期控制器进行优化,得到优化后的车辆制动末期控制器,包括:基于PPO优化强化学习算法中的状态空间、动作空间和奖励函数,将建立的车辆制动末期控制器中的基础操作控制与调整操作控制进行叠加,得到最终控制命令;基于该最终控制命令,得到优化后的车辆制动末期控制器。

全文数据:

权利要求:

百度查询: 清华大学 基于强化学习的车辆制动末期纵向平顺性优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。