基于深度学习的空气悬架和ESC协调控制方法及系统

本发明公开了基于深度学习的空气悬架和ESC协调控制方法及系统，属于汽车制动领域，包括以下步骤：S1、收集车辆行驶的历史数据，并利用车辆动力学仿真软件生成极端工况数据，构成训练数据集；S2、构建双分支融合控制模型，并训练；S3、实时采集车辆状态参数和路面条件数据；S4、对处理后的多源参数进行特征提取并融合后，输入训练完毕的双分支融合控制模型，生成最优控制策略；S5、ESC执行最优控制策略，并采集执行后的车辆状态数据，形成控制闭环。采用上述基于深度学习的空气悬架和ESC协调控制方法及系统，结合深度学习和车辆动力学模型，能够实时监测车辆运动状态，并根据实时数据做出精准的操控，以避免潜在的失控情况。