【技术实现步骤摘要】
一种基于深度强化学习的智能电动汽车漂移入库控制方法
本专利技术涉及汽车入库控制领域，尤其是涉及一种基于深度强化学习的智能电动汽车漂移入库控制方法。
技术介绍
车辆持续保持在后轮轮胎力饱和、后轴侧滑的状态下行驶，称为漂移，存在两种不同的漂移状态：(1)后轴驱动、后轮滑转，此时可以通过控制后轴驱动力与前轮转向角时车辆质心侧偏角和车速保持在一恒定值，使车辆处于稳定状态，由于市面上绝大多数汽车为前轴驱动，故该状态下的漂移动作研究价值相对较小。(2)按照开环控制律复现漂移动作可能受到外界环境和自车状态的干扰，使车辆无法漂移停入库位，例如，由于库位接近过程存在侧向位移误差和航向角误差，车辆在触发漂移动作时未完全满足预设的漂移触发位姿状态，存在一定偏差，根据开环控制器完成漂移动作会将该偏差保留至漂移结束；另外，由于底层执行器响应限制，开环控制下无法保证每一次执行器响应一致，当响应出现偏差时车辆会偏移预设的漂移轨迹；路面不均一造成漂移过程中轮胎力的突变，使漂移路径发生改变。
技术实现思路
本专利技术的目的...
【技术保护点】
1.一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，包括以下步骤：/n1)构建用于深度强化学习的车辆动力学模型以及轮胎力饱和工况下的轮胎模型；/n2)采用面向漂移入库控制的TD3算法实现智能电动汽车漂移入库。/n
【技术特征摘要】
1.一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，包括以下步骤：
1)构建用于深度强化学习的车辆动力学模型以及轮胎力饱和工况下的轮胎模型；
2)采用面向漂移入库控制的TD3算法实现智能电动汽车漂移入库。
2.根据权利要求1所述的一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，所述的步骤1)中，车辆动力学模型具体为考虑前后与左右载荷转移的四轮三自由度车辆动力学模型，所述的三自由度包括车辆质心处速度vm、质心侧偏角β和横摆角速度ω。
3.根据权利要求2所述的一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，四轮三自由度车辆动力学模型中，考虑纵侧向加速度的四轮垂向力的表达式为：
式中，hm为质心高度，bf、br为前、后轮距，ax、ay为质心处不考虑车身旋转影响的纵、侧向加速度，FzFL、FzFR、FzRL、FzRR分别为左前、右前、左后、右后车轮的垂向力，m为电动汽车质量，g为重力加速度，l为轴距，lf、lr为前、后轴到质心的距离，FxFL、FxFR、FxRL、FxRR分别为左前、右前、左后、右后车轮的纵向力，FyFL、FyFR、FyRL、FyRR分别为左前、右前、左后、右后车轮的侧向力，δ为前轮转角。
4.根据权利要求3所述的一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，在漂移过程中，考虑到载荷转移过大导致某一个车轮离地，出现使得该车轮的垂向载荷降为0、载荷转移达到上限的情况，当方向盘向左转漂移，载荷向右侧转移，左后轮离地时，则左后轮的垂向力为0，此时，根据纵侧向加速度、轴距和轮距将过多转移的载荷重新分配至左前轮和右后轮，则有：
ΔFtrans＝|FzRL|
F′zRL＝0
其中，ΔFtrans为过多转移的载荷，F′zRL为分配后左后轮的垂向力，F′zRR为分配后右后轮的垂向力，F′zFL为分配后左前轮的垂向力。
5.根据权利要求4所述的一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，对考虑前后与左右载荷转移的四轮三自由度车辆动力学模型进行受力分析，得到车辆动力学平衡方程为：
φ＝β+ψ
据此计算得到车辆纵向车速vmx和侧向车速vmy，则有：
vmx＝vm·cosβ
vmy＝vm·sinβ
其中，为车辆质心处速度的变化率，为质心侧偏角速度，φ为质心处车速全局方位角，为质心处车速全局方位角速度，为横摆角速度的变化率，ψ为车头全局方位角，Iz为横摆转动惯量，vx为车辆纵向车速，vy为车辆侧向车速。
6.根据权利要求5所述的一种基于深度强化学习的智能电动汽车漂移入库控制方法，其特征在于，所述的步骤1)中，用于深度强化学习训练...
【专利技术属性】
技术研发人员：冷搏，刘铭，熊璐，余卓平，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。