基于深度强化学习的自主换道控制模型 |
| |
引用本文: | 孙腾超,陈焕明.基于深度强化学习的自主换道控制模型[J].农业装备与车辆工程,2024(4):30-34. |
| |
作者姓名: | 孙腾超 陈焕明 |
| |
作者单位: | 青岛大学机电工程学院 |
| |
摘 要: | 为解决自动驾驶汽车快速安全换道问题,提出并改进了一种基于深度强化学习的自主换道控制模型。首先建立车辆动力学运动模型,其次使用深度确定性策略梯度(DDPG)算法更新模型,最后通过MATLAB/CarSim对学习到的控制策略进行联合仿真验证。为了使模型更真实可靠,提出将CarSim融入智能体的训练,同时为解决传统模型在换道后期控制效果不理想问题,提出一种基于采样时间的方向盘转角输出模型。结果表明:在60、80 km/h车速下,提出的模型从换道开始到稳定行驶的过程相比于改进前更平顺、快速,验证了模型能够实现一般车速下的自主换道控制,为车辆的自主换道研究提供一定的参考。
|
关 键 词: | 自动驾驶汽车 自主换道模型 深度强化学习 轨迹规划跟踪 深度确定性策略梯度算法 |
|
|