基于DRL的四轮独立驱动电动车辆的侧向车速估计

为精确估计车辆行驶状态，提出了一种四轮独立驱动电动车辆侧向车速估计方法。基于深度强化学习(DRL)范式，设计了侧向车速估计方法的架构；基于深度确定性策略梯度(DDPG)算法，设计了DRL智能体；采用循环神经网络，搭建了DDPG算法中的Actor网络和Critic网络。基于设计的奖励函数和训练场景，借助Matlab/Simulink软件，完成了算法的实现和训练；并通过在车辆双车道变换等实际行驶工况的仿真，进行了验证。结果表明：在经过了630次的学习训练之后，与扩展Kalman滤波方法相比，本文方法的估计精度提升40%。因而，本文方法能够在常用行驶工况中对车辆侧向车速进行估计。