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

本发明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，属于无人车辆智能控制技术领域，解决了现有MPC方法应用于无人车辆运动控制领域时，权重参数调试周期长、参数组合搜索空间指数爆炸导致车辆运动性能表现不佳的问题。包括：基于无人车辆的运动状态和控制需求，构建包括预测模型、目标函数和对应的约束条件的模型预测控制器；目标函数以电机实际转速与期望转速之间的误差最小化和电机转矩最小化为目标；通过强化学习在仿真环境中基于预测模型，对目标函数基于约束条件进行求解，得到最佳权重参数集；基于预测模型，对最佳权重参数集配置的目标函数基于约束条件进行求解，得到最优电机转矩控制序列，控制无人车辆运动。