基于DRL的四轮独立驱动电动车辆的侧向车速估计
JOURNAL OF AUTOMOTIVE SAFETY AND ENGERGY（2022）
摘要
为精确估计车辆行驶状态,提出了一种四轮独立驱动电动车辆侧向车速估计方法.基于深度强化学习(DRL)范式,设计了侧向车速估计方法的架构;基于深度确定性策略梯度(DDPG)算法,设计了DRL智能体;采用循环神经网络,搭建了DDPG算法中的Actor网络和Critic网络.基于设计的奖励函数和训练场景,借助Matlab/Simulink软件,完成了算法的实现和训练;并通过在车辆双车道变换等实际行驶工况的仿真,进行了验证.结果表明:在经过了630次的学习训练之后,与扩展Kalman滤波方法相比,本文方法的估计精度提升40％.因而,本文方法能够在常用行驶工况中对车辆侧向车速进行估计.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要