摘要

本文开发了一种结合深度强化学习（DRL）的自适应动力分配方法。该方法基于一个详细的七自由度车辆动力学模型和轮毂电机模型，构建了多维状态空间，并设计了兼顾车辆稳定性和能量效率的奖励机制。本研究选用近端策略优化（PPO）算法进行智能体训练，让其在没有固定规则的情况下，逐步学会在复杂路况中优化扭矩分配。通过MATLAB/Simulink和Python的联合仿真，本文分析了DRL控制器在直线加速场景下的表现，结果显示DRL方法有显著的稳定性，训练过程也显示出良好的收敛性。

关键词