一种基于深度强化学习的车辆侧倾稳定性控制方法

本发明公开了一种基于深度强化学习的滑模自适应车辆侧倾稳定性控制方法，应用于主动悬架车辆，通过结合Doguff轮胎模型建立六自由度转向‑侧倾车辆动力学模型，基于逆向侧倾机理计算目标车身侧倾角，设计包含线性滑模面与指数趋近率的滑模控制器，构建基于软行为策略梯度算法（SAC）的智能体，该智能体通过感知车辆状态和侧倾角跟踪情况自适应输出最优滑模参数，最终由滑模控制器结合最优滑模参数与车辆状态计算主动侧倾力矩并分配至左右侧悬架主动力，实现车身姿态精准调控。本发明可显著扩大高速转向时的侧倾稳定域，降低乘员侧向感知加速度，在复杂扰动下保持高鲁棒性跟踪效果，同时抑制滑模抖振。