一种基于深度强化学习的智能汽车稳定性控制方法

本发明的一种基于深度强化学习的智能汽车稳定性控制方法，包括以下步骤：构建多维度元训练数据集；采用元多目标软Meta‑MOSAC算法对所述元训练数据集进行预训练，得到跨驱动通用基础模型；基于所述当前驱动系统特征参数对所述跨驱动通用基础模型进行在线微调，得到适配目标车辆的个性化控制模型；基于驱动系统特征引导的动态奖励函数输出多目标最优控制指令；将所述多目标最优控制指令发送至车辆执行器模块，实现车辆稳定性与能量管理的一体化控制。本发明同一套模型可适配PHEV、BEV、FCEV等所有新能源驱动系统，跨驱动迁移准确率提升，在保证相同稳定性指标的前提下，综合能耗降低。