一种基于贝叶斯优化的强化学习半主动悬架智能控制方法

本发明适用于车辆智能控制技术领域，提供了一种基于贝叶斯优化的强化学习半主动悬架智能控制方法。该方法通过采集车辆状态数据并处理，然后采用近端策略优化（PPO）算法并结合非参数奖励函数设计深度强化学习模型，通过贝叶斯优化算法搜索模型的最优超参数集合，利用优化后的超参数训练模型，生成半主动悬架智能控制策略，以车辆状态奖励评价动作结果。本发明通过在PPO算法中采用非参数奖励函数实现多目标协同优化，利用三层深度神经网络以数据驱动方式应对复杂控制问题，引入贝叶斯优化自动搜索超参数以提升效率与性能，同时将优化目标函数设计为梯形数值积分与简单移动平均值的结合以稳定奖励值并加速收敛。