已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

BO-NRPPO: A Bayesian Optimization–Tuned Proximal Policy Optimization Framework for Semi-Active Suspension Control

稳健性(进化) 计算机科学 控制理论(社会学) 贝叶斯优化 强化学习 参数统计 线性二次调节器 底盘 贝叶斯概率 可扩展性 自适应控制 悬挂(拓扑) 最优化问题 控制工程 工程类 趋同(经济学) 主动悬架 最优控制 控制器(灌溉) 规范化(社会学) 数学优化 车辆动力学 二次方程 二次规划 粒子群优化 进化算法 鲁棒控制
作者
Guoying Chen,Xinyu Wang,Jiaqi Wang,Xinwang Zhan,Chenxiao Bi,Shiqi Cong,Min Hua,Tianjun Sun,Zhenhai Gao
出处
期刊:SAE International journal of vehicle dynamics, stability, and NVH 卷期号:10 (3)
标识
DOI:10.4271/10-10-03-0025
摘要

Semi-active suspension systems enhance ride comfort and handling performance by adaptively modulating damping characteristics. However, conventional model-based controllers often fail to maintain optimal performance under uncertain and time-varying vehicle conditions. This article proposes Bayesian Optimization–Tuned Proximal Policy Optimization with Non-Parametric Rewards (BO-NRPPO), a novel reinforcement learning (RL) framework that integrates Bayesian Optimization (BO) with Proximal Policy Optimization (PPO) and a non-parametric reward function (NRF). The proposed approach enables adaptive self-tuning, data-driven reward shaping, and uncertainty-aware policy learning. Moreover, a Trapezoidal Simple Moving Average (TSMA)–based reward normalization scheme is introduced to accelerate convergence and stabilize training. Simulation results across diverse driving scenarios demonstrate that BO-NRPPO outperforms the passive suspension, the classical Linear Quadratic Regulator (LQR), and PPO with parametric rewards. Specifically, compared to the passive suspension and the LQR baseline, BO-NRPPO achieves up to 6.63% and 5.14% improvements in handling stability, respectively. Concurrently, it delivers maximum enhancements of 46.96% and 42.55% in ride comfort over these two baselines. For real-world vehicle applications, this adaptive self-tuning capability significantly reduces the time-consuming manual calibration efforts typically required in chassis development. Furthermore, Hardware-in-the-loop (HiL) validation confirms its real-time applicability and robustness under uncertain driving conditions, highlighting its immense potential as a scalable intelligent suspension control solution.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
885791403完成签到 ,获得积分10
1秒前
YZCN完成签到 ,获得积分10
2秒前
仔哥完成签到 ,获得积分10
3秒前
哼哼哈嘿完成签到,获得积分10
3秒前
初景的应助被或大或小采纳,获得20
4秒前
泍泍完成签到 ,获得积分10
4秒前
爆米花的应助被bb采纳,获得10
5秒前
今后的应助被好吃懒做采纳,获得10
7秒前
隐形的芹菜完成签到,获得积分10
7秒前
田様的应助被隐形的芹菜采纳,获得10
11秒前
pine发布了新的文献求助10
11秒前
hopen完成签到,获得积分10
12秒前
自然大侠完成签到,获得积分10
12秒前
科研通AI6.4的应助被Atlantis30采纳,获得10
13秒前
爱喝水完成签到 ,获得积分10
15秒前
15秒前
dolabmu完成签到 ,获得积分10
16秒前
斯文的清涟完成签到,获得积分20
18秒前
刘天歌完成签到 ,获得积分10
19秒前
一枚小豆完成签到,获得积分0
19秒前
大模型的应助被糖心采纳,获得10
20秒前
21秒前
21秒前
小豆包发布了新的文献求助10
21秒前
22秒前
SD512T发布了新的文献求助10
22秒前
我是老大的应助被狗头采纳,获得30
22秒前
dzy完成签到,获得积分10
22秒前
Jiaaa完成签到 ,获得积分10
23秒前
科研通AI6.3的应助被pero采纳,获得10
23秒前
难过的泥猴桃完成签到 ,获得积分10
23秒前
知性的藏鸟完成签到 ,获得积分10
23秒前
冰美式发布了新的文献求助10
24秒前
24秒前
24秒前
华无剑的应助被开心香岚采纳,获得10
26秒前
隐形曼青的应助被Atlantis30采纳,获得10
26秒前
勤奋的猫咪完成签到 ,获得积分10
26秒前
27秒前
PeterPan发布了新的文献求助10
28秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8189908
求助须知:如何正确求助?哪些是违规求助? 9577068
关于积分的说明 21851352
捐赠科研通 7787862
什么是DOI,文献DOI怎么找? 3435817
关于科研通互助平台的介绍 2559861
邀请新用户注册赠送积分活动 2482718