机器人驾驶车辆深度强化学习换挡策略

• 作者: 周楠 陈刚
• 来源期刊: 汽车工程
• 关键词: 驾驶机器人 换挡策略 深度强化学习 神经网络
• 年，卷（期）: 2020,（11）
• 页码范围: 1473-1481
• 页数: 9页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.11.004

摘要

为提高机器人驾驶车辆的动力性能,提出了一种基于深度神经网络强化学习的机器人驾驶车辆偏向动力性的换挡策略.首先建立了车辆纵向动力学模型、驾驶机器人运动学模型、用马尔可夫过程描述的机器人驾驶车辆换挡策略强化学习模型,并以车速、加速度和油门开度为状态变量、挡位为动作变量,设计了状态空间、动作空间和奖惩机制.然后通过深度神经网络强化学习算法求解了机器人驾驶车辆动力性换挡策略.最后对比本文中提出策略与其他换挡策略的仿真与试验结果,验证了提出策略的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈刚		30	170	7.0	12.0
2	周楠		14	37	5.0	6.0