基于SAC深度强化学习的车辆主动悬架系统控制

来源：南京信息工程大学学报·自然科学版杂志2026年第4期北京时间：

作者：彭普民，姚嘉凌

单位：彭普民,南京林业大学 汽车与交通工程学院, 南京, 210037,姚嘉凌,南京林业大学 汽车与交通工程学院, 南京, 210037

摘要：车辆悬架系统对提升驾驶舒适性、操控性和安全性至关重要,而传统悬架控制方法在应对复杂路况和系统参数变化时存在局限性.为此设计了一种基于Soft Actor-Critic(SAC)算法的车辆主动悬架高效自适应控制器,利用最大熵强化学习,在优化策略收益的同时增强探索的随机性,从而在不同路况下表现出更强的适应性.通过建立1/4主动悬架系统模型,结合随机路面仿真环境,对比分析了SAC算法、传统天棚控制算法和DDPG算法的性能表现.结果表明,基于SAC算法的控制器显著降低了车身垂直加速度、悬架动挠度和轮胎动载荷等关键性能指标,在不同路况和车速下展现出更优越的稳定性和控制效果.本研究验证了SAC算法在主动悬架控制领域的强大潜力和实用性,为车辆悬架系统的智能化提供了新的方向.

关键词：主动悬架系统;深度强化学习;SAC算法;智能化

基金资助：国家自然科学基金(51975299)