一种基于数据驱动的半主动悬架阻尼自适应标定方法

本发明适用于车辆智能控制技术领域，提供了一种基于数据驱动的半主动悬架阻尼自适应标定方法，该方法首先采集实车状态数据并预处理，然后基于深度Q网络强化学习设计半主动悬架阻尼自适应标定网络，构建融合贝叶斯优化的复合奖励函数架构优化车辆性能指标，再进行网络训练，最后利用基于深度Q网络的强化学习算法确定阻尼系数，控制磁流变阻尼器，以实车奖励评价动作效果。本发明结合数据驱动和深度Q网络强化学习，采集并利用实车数据确定悬架阻尼系数，实现快速标定和在线迭代；强化学习的泛化性能使智能车辆经充分训练后能够适应绝大多数典型工况，解决了传统标定难题，提升了悬架自适应标定能力，兼顾汽车平顺性与操纵稳定性。