一种融合深度强化学习通信时延补偿的车辆队列协同控制方法

本发明涉及一种融合深度强化学习通信时延补偿的车辆队列协同控制方法，属于智能车辆控制技术领域。针对车路云协同系统中通信时延引发的控制误差累积与队列失稳问题，提出融合深度强化学习预测与预设性能控制的解决方案。技术方案包括：基于DDPG算法构建车辆状态预测模型，实时生成时延补偿量；建立含通信时延的车辆动力学模型，设计基于障碍函数的滑模控制器；结合自适应误差边界机制动态调整控制约束。该方法通过预测补偿与动态约束的闭环融合，在突发通信延迟(100～400ms)场景下，使队列间距误差降低62％，仍保持速度跟踪误差＜0.3m/s，显著提升了队列稳定性与抗干扰能力。