【技术实现步骤摘要】
本专利技术涉及无人车辆智能控制，尤其涉及一种基于强化学习优化权重参数的无人车辆模型预测控制方法。
技术介绍
1、随着自动驾驶技术的快速发展，无人车辆的运动控制成为实现安全、高效、智能驾驶的关键环节。精确的运动控制不仅能够提高车辆的行驶效率，还能显著提升行驶安全性，减少交通事故的发生。模型预测控制(model predictive control,mpc)是一种先进的控制策略，广泛应用于无人车辆的运动控制领域。mpc通过建立车辆的动态模型，预测未来一段时间内的系统状态，优化控制输入序列，以实现期望的运动轨迹。mpc具有处理多维输入和多维输出的能力，适用于复杂的车辆运动控制系统，同时在求解过程中考虑了速度大小、转向幅度、位置偏移等多种约束条件，保障了车辆驾驶过程中的安全性和稳定性。
2、mpc方法的有效性与目标函数的设计紧密相关。目标函数定义了车辆性能的评估维度，通过计算实际状态与期望状态的误差来评价不同控制输入序列的优劣，进而影响控制器的行为和性能。权重参数是目标函数的核心，用于量化不同控制目标或约束条件的重要性，例如位置偏差...
【技术保护点】
1.基于强化学习优化权重参数的无人车辆模型预测控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述方法，其特征在于，所述得到所述目标函数的最佳权重参数集，包括：
3.根据权利要求2所述方法，其特征在于，所述模型预测控制器的目标函数为：
4.根据权利要求3所述方法，其特征在于，强化学习的所述奖励函数，为基于所述无人车辆的性能参数和仿真环境的车辆行驶信息构建得到；
5.根据权利要求4所述方法，其特征在于，所述无人车辆的行驶性能参数，包括无人车辆最大行驶速度和最大行驶曲率，在仿真环境中，作为期望行驶速度和期望行驶曲率并...
【技术特征摘要】
1.基于强化学习优化权重参数的无人车辆模型预测控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述方法，其特征在于，所述得到所述目标函数的最佳权重参数集，包括：
3.根据权利要求2所述方法，其特征在于，所述模型预测控制器的目标函数为：
4.根据权利要求3所述方法，其特征在于，强化学习的所述奖励函数，为基于所述无人车辆的性能参数和仿真环境的车辆行驶信息构建得到；
5.根据权利要求4所述方法，其特征在于，所述无人车辆的行驶性能参数，包括无人车辆最大行驶速度和最大行驶曲率，在仿真环境中，作为期望行驶速度和期望行驶曲率并计算得到各电机期望转速；
6.根据权利要求5所述方法，其特征在于，基于在仿...
【专利技术属性】
技术研发人员：苏波，马锐翔，郑莉，马蓓，夏昭阳，刘懿纳，赵铁瑞，张柏华，赵爱迪，程帅，李强强，郭江华，李春锁，
申请(专利权)人：中兵智能创新研究院有限公司，
类型：发明
国别省市：
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。