一种基于自适应深度Koopman算子的车辆动力学建模方法

本发明属于自动驾驶汽车技术领域，具体的说是一种基于自适应深度Koopman算子的车辆动力学建模方法。首先，应用Koopman算子理论重新表征了车辆动力学，将非线性的车辆动力学系统提升至无限维的空间，并在该空间内通过Koopman算子完成线性演化；其次，通过基于深度学习的扩展动态模式分解法离线训练车辆动力学系统最优的升维函数，并获取Koopman算子的有限维近似矩阵；再次，设计基于实时数据集的递归更新策略求解自适应的Koopman算子近似矩阵，实现车辆动力学模型的在线更新以适应动态的数据流。本发明提出的基于自适应深度Koopman算子的车辆动力学建模方法，有效地提升了车辆动力学模型在线预测时的模型预测精度，为未来自动驾驶汽车在复杂场景下的精准控制提供一套解决方案。