一种基于深度强化学习算法的车辆主动悬架控制方法

本发明公开了一种基于深度强化学习算法的车辆主动悬架控制方法，包括以下步骤：步骤1：多维信息构建；步骤2：TD3智能体决策；步骤3：PID参数映射；步骤4：评估与反馈；有益效果是，本发明采用先进的双延时深度确定性策略梯度（TD3）强化学习算法，结合经典的PID控制器，构建了一种两层结构的车辆主动悬架控制策略；通过TD3智能体在仿真环境中与车辆主动悬架动力学模型进行交互和自主学习，积累控制经验；根据车辆行驶过程中的实时多维信息，动态优化并输出连续变化的PID控制器参数，进而PID控制器能够更精确地计算主动控制力，有效控制主动悬架，从而提升车辆在不同行驶工况下的乘坐舒适性、操纵稳定性及行驶安全性。