买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国人民解放军军事科学院国防科技创新研究院申请的专利一种基于深度强化学习的无人车跟随分层控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115617040B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211192967.5，技术领域涉及：G05D1/43；该发明授权一种基于深度强化学习的无人车跟随分层控制方法是由王旭;商尔科;聂一鸣;刘泱;戴斌设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种基于深度强化学习的无人车跟随分层控制方法在说明书摘要公布了：本发明公开一种基于深度强化学习的无人车跟随分层控制方法，属于无人驾驶汽车技术领域。建立车辆跟随两车距离和目标车坐标相对跟随车正前方向的偏角的运动学模型；训练目标识别算法识别目标车并在跟随车上部署该算法；根据识别结果计算目标车相对于跟随车的坐标；将跟车问题建立为马尔可夫决策过程，并利用车辆控制延迟和减速度设计奖励函数；之后采用深度强化学习算法训练车辆跟随智能体神经网络模型；控制跟随车的加速度和角速度；最后将车辆跟随智能体神经网络模型部署在跟随车上，利用底层控制算法中的各个参数来控制跟随车。本发明无需知道目标车的运动学模型和动力学模型，同时实现在横向和纵向的跟随，能够直接应用在实车上无需迁移操作。

本发明授权一种基于深度强化学习的无人车跟随分层控制方法在权利要求书中公布了：1.一种基于深度强化学习的无人车分层车辆跟随控制方法，其特征在于，包括以下步骤：S1：建立车辆跟随两车距离Dtarget和目标车坐标相对跟随车正前方向的偏角θ的运动学模型；S2：实验得出跟随车控制延迟tdelay和惯性减速时的减速度λ；S3：训练目标识别算法识别目标车并在跟随车上部署该目标识别算法；S4：根据S3中算法识别的结果计算出目标车相对于跟随车的坐标，并使用S1中的运动学模型计算两车距离Dtarget和偏角θ并存储为数据集；S5：将跟车问题建立为马尔可夫决策过程，并利用S2中的车辆控制延迟tdelay和减速度λ设计奖励函数；S6：利用S5中的马尔可夫决策过程和奖励函数，采用深度强化学习算法训练车辆跟随智能体神经网络模型；S7：调整基于控制理论的底层控制算法中的各个参数来控制跟随车的加速度和角速度；S8：将S6中训练的模型部署在跟随车上，并利用S7中的参数来控制跟随车；所述步骤S1进一步包括：S100：以跟随车坐标为原点，车头方向为y轴建立右手坐标系；S101：目标车相对于跟随车的坐标为x,y，两车距离目标车坐标相对跟随车正前方向的偏角θ， 所述步骤S5进一步包括：S500：动作空间为二元组Vfollower,O，其中Vfollower是跟随车的速度范围，单位为米，O是跟随车的角度变化范围，单位为角度；动作表示在当前状态下要跟随车的期望速度和角度；下层采用基于控制理论的底层控制算法来计算具体的加速度和角速度；S501：状态空间为Vfollower,Dtarget,θ，其中Vfollower为跟随车的速度，Dtarget为目标车与跟随车之间的距离，θ为目标车坐标相对于跟随车车头方向的偏角；S502：纵向控制奖励函数Rl为： 其中Dsafe为跟随车与目标车的安全距离，Dbraling为跟随车制动距离，计算方法为：Dbraking＝Vfollower*tdelay+0.5*Vfollower2A，其中tdelay为跟随车的控制延迟，λ为跟随车惯性运动时的减速度；S503：横向控制奖励函数Ra为：Ra＝-|θ+Ot|3其中Ot为t时刻跟随车应该保持的角度；S504：最终的奖励函数为：R＝Rl+Ra4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军军事科学院国防科技创新研究院，其通讯地址为：100071 北京市丰台区丰台东大街53号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。