一种基于动态特征学习优化的智能汽车纵向控制方法

本申请公开了一种基于动态特征学习优化的智能汽车纵向控制方法，方法包括通过车载传感器实时采集不同载客量下的速度与加速度数据，构建速度与加速度关联谱图，建立载客量与动力响应延迟特性的量化模型，对速度与加速度关联谱图进行拉普拉斯特征分解，提取智能汽车在载客量变化时的惯量突变特征模式。本发明可实现对状态与动作映射关系的持续学习和更新，克服了传统PID与模型预测方法对模型精度依赖强、参数固定的问题，并通过迁移仿真实验预训练策略参数，有效提升智能汽车控制器初始性能，缩短在线训练收敛时间，提升低数据下的控制效果。