基于强化学习的非线性主动悬架系统的最优控制

张皓涵; 崔明月

doi:10.13951/j.cnki.37-1213/n.220914

烟台大学学报（自然科学与工程版） ›› 2023, Vol. 36 ›› Issue (4) : 384 -392. DOI: 10.13951/j.cnki.37-1213/n.220914

基于强化学习的非线性主动悬架系统的最优控制

张皓涵, 崔明月

作者信息 +

Author information +

文章历史 +

摘要

为了改善车辆性能和乘客舒适性，针对带有非线性阻尼的1/4汽车主动悬架系统，提出了一种基于在线迭代算法的最优控制策略。首先根据所建立的非线性模型给出了合理的代价函数，并利用最优控制理论设计了初始最优控制策略。然后为了处理求解HJB方程的困难，借助于强化学习的Actor-Critic框架构造了一种新颖的策略在线学习HJB方程的近似解，同时为提高系统的鲁棒性，在Actor-Critic更新率中增加了泄漏项。最后通过稳定性分析表明所提策略可通过调节参数使状态收敛到零的充分小邻域，同时使代价函数达到最优。