CN113232566B - Ai电磁瞬控主动防震座椅及其方法 - Google Patents

Abstract

本申请涉及用于AI电磁瞬控主动防震座椅及其方法。该装置包括：座椅本体、悬架系统和控制器；悬架系统由安装多个电磁避震器的底座构成，悬架系统连接车身和座椅本体；电磁避震器包括：第一套筒和第二套筒；两个套筒内分别装有磁体组件，包括：第一磁体和第二磁体，且两个磁体至少其中之一是可控电磁体；座椅本体安装有加速度传感器；控制器用于接收电磁波发射器发射点云信号，采集地面信息，并通过AI强化学习方法得到控制信号，控制电磁避震器产生瞬间吸推力，瞬时调控悬架系统各个方向上的伸缩和阻尼，并实时模拟出各种提前干预动作，抵消已知路面即将产生的震动，达到座椅主动防震功能。

Description

AI电磁瞬控主动防震座椅及其方法

技术领域

本申请涉及用于AI电磁瞬控主动防震座椅及其方法。特别涉及基于路面不同路况，AI强化学习方法实时调控，提前规避震动来达到主动防震的座椅及其方法。

背景技术

现有技术中，路面的坑洼、拥包、倾斜导致的震动，主要通过车轮的悬挂系统来吸收。从这种悬挂的组成种类来看，大致又可以分为两大类。一类是电子控制式主动液压悬挂，它能通过车载电脑计算出悬挂受力大小和加速度，利用液压减震器的伸缩来保持车身平衡；另一类则是电子控制式空气悬挂，它也是通过车载电脑计算悬挂的受力及感应路面情况，适时调整空气减震器的阻尼系数，令车身的震动始终保持在一定范围内。这两类电控主动悬挂的共同点是：产生震动受力后，通过车身高度调节，改变减震器阻尼来抑制车身姿态变化,增进汽车操作稳定性、乘坐舒适性等性能。

除了这种被动减震的方法，我们是否可以用主动减震来规避车辆的震动。随着AI技术的进步，以及传感器技术的发展，主动防震技术变成了一种可能，即提前感知前方存在各种坑洼、拥包、倾斜等复杂路面情况，并用AI强化学习的方法提前调控车轮悬挂系统，规避震动来达到车身稳定的目的。但这又同时产生另一问题，如果调控车轮悬挂系统，悬挂系统要整个抬高车身，那么这个能量损耗是巨大的，那么有没有更好的解决方案。

发明内容

本申请的主要目的在于提供一种AI电磁瞬控主动防震座椅。用电磁瞬控主动调控座椅的方式，替代车轮悬挂系统调控车身，起到同样的防震效果，将震动扼杀在摇篮，且能量消耗最低。特别涉及基于路面不同路况用AI强化学习方法进行实时调控，利用电磁系统做出毫秒级提前干预动作，提前规避震动来达到座椅稳定。即使是在最颠簸复杂的路面，也能保证座椅的稳定性，最终达到驾乘人员的乘车舒适度最佳，防止驾乘人员的晕车反应，大大提高人们的驾乘体验。

本申请公开一种AI电磁瞬控主动防震座椅，该座椅包括：座椅本体、悬架系统和控制器；悬架系统由安装多个电磁避震器的底座构成，悬架系统连接车身和座椅本体；电磁避震器包括：第一套筒和第二套筒；两个套筒内分别装有磁体组件，包括：第一磁体和第二磁体，且两个磁体至少其中之一是可控电磁体；座椅本体安装有加速度传感器；控制器用于接收电磁波发射器发射点云信号，采集地面信息，并通过AI强化学习方法得到控制信号，控制电磁避震器产生瞬间吸推力，瞬时调控悬架系统各个方向上的伸缩和阻尼，并实时模拟出各种提前干预动作，抵消已知路面即将产生的震动。

作为本申请的进一步改进，电磁避震器的双套筒外安装有弹簧座圈，包括：上弹簧座圈和下弹簧座圈，弹簧座圈之间设有螺旋压力弹簧。

作为本申请的进一步改进，电磁避震器中至少一个磁体一端连接致动器，致动器安装在对应的套筒上，致动器带动磁体产生直线运动。

作为本申请的进一步改进，电磁避震器中第一磁体和第二磁体是多层叠加磁体，且每层之间为等间距。

作为本申请的进一步改进，电磁避震器还包括：位置传感器和碰撞保护部件；位置传感器，用于判断两磁体间的距离；碰撞保护部件，用于保护两磁体，避免碰撞损伤。

作为本申请的进一步改进，悬架系统底座下部安装有滑动导轨，在导轨滑动方向上，底座安装有多个电磁避震器，电磁避震器另一端与车身固定。

作为本申请的进一步改进，该装置还包括：悬架系统还包括锁死机构，当不需要主动防震功能时，可将座椅本体和车身固定为一体。

作为本申请的进一步改进，该座椅还包括：位置传感器，用于判断座椅和悬架系统基准的距离，同时记录初始座椅上驾乘人员的体重，并将这一参数反馈给控制器，用于AI强化学习。

本申请还公开一种用于车辆座椅AI电磁瞬控主动防震的方法，包括如下步骤：

a）电磁波发射器发射点云照射前方路面，电磁波接收器接收点云位置数据作为地面状态S1；

b）将车辆状态S2加上S1得到状态S；

c）把状态S输入到预先训练好的强化学习模型中，得到车辆座椅干预动作A；

d）车辆座椅干预动作A产生的加速度传感器参数变化T，设定一个参数R随参数T增大而减小，作为反馈奖励；

e）车辆座椅干预动作A后得到下一个状态S'；

f）训练一个强化学习模型，基于“状态S+车辆座椅干预动作A+下一个状态S'+反馈奖励R” 作为训练数据，不断地尝试，不断地改进，使得车辆座椅干预动作A趋向反馈奖励R最大。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中的AI电磁瞬控主动防震座椅示意图。

图2为本申请实施例中的电磁避震器示意图和剖视图。

图3为本申请实施例中的电磁波发射器发射点云照射路面的示意图。

图4为本申请实施例中的路面状态S1数字矩阵的示意图。

图5为本申请强化学习算法的训练过程图。

具体实施方式

下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

应当理解，本申请的装置和方法可用于任何类型的车辆，包括传统车辆、混合动力车辆(HEV)、增程式电动车(EREV)、纯电动车(BEV)、摩托车、电瓶车、客车、运动型多功能车(SUV)、跨界车、卡车、厢式货车、公共汽车、旅行车(RV) 等。这些仅仅是可能的应用中的一些，因为本文所述装置和方法不限于下图所示示例性实施例，并且可通过多种不同方式实现。

图1表示本申请的实施方式。在附图中，AI电磁瞬控主动防震座椅，包括：座椅本体（1）、悬架系统（2）和控制器（3）。悬架系统（2）由安装多个电磁避震器（21）的底座（22）构成。如图，4个电磁避震器（21）下部与底座（22）安装，上部A面与座椅本体（1）安装。控制器（3）安装在底座（22）上，控制器对此处4个电磁避震器进行瞬时上下伸缩和阻尼调节，对座椅上下，左右倾斜，前后倾斜等情况做出提前干预动作，抵消已知路面即将产生的震动。比如：车辆左前轮碰到鼓包，导致车辆左前产生往上冲击，那么座椅左前电磁避震器（21）瞬时收缩，抵消车辆左前产生往上冲击，使得座椅仍然保持最初位置和运动状态，大大提高了驾乘人员的乘坐稳定性。

进一步地，悬架系统底座（22）下部安装有滑动导轨（23），在导轨滑动方向上，底座安装有2个电磁避震器（21），电磁避震器另一端B与车身固定。控制器对此处2个电磁避震器进行瞬时前后伸缩和阻尼调节，对座椅前后，旋转等情况做出提前干预动作，同理，保持座椅上驾乘人员的乘坐稳定性。滑动导轨（23）上安装有固定支架（24），用于将导轨固定在车身上。

进一步地，悬架系统底座（22）上部还安装有锁死机构（25），锁死机构为套筒机构，电磁避震器不工作时，锁死机构随着座椅本体运动，套筒上下滑动，当不需要主动防震功能时，两套筒卡死，可将座椅本体和车身固定为一体，使座椅的弹性阻尼为零。其中一个套筒上安装有位置传感器（26），用于测量锁死机构不工作时，用于判断座椅和悬架系统基准的距离，同时记录初始座椅上驾乘人员的体重，并将这一参数反馈给控制器，用于AI强化学习。

座椅本体（1）安装有加速度传感器（11），用于评估座椅的稳定性，此数据被控制器作为奖励参数R，最后用于AI强化学习模型训练。

此处的座椅只是简单示例，实际应用包括车辆各种座椅，比如主驾驶座座椅，副驾驶座座椅，以及后排乘客座椅，同时也包括更广义上的座椅，比如由几个座椅一起组成安装在同一个基座上的座椅系统。

图2为本申请实施例中的电磁避震器示意图和剖视图。电磁避震器包括双套筒结构，双套筒由第一套筒（51）和第二套筒（52）构成，并且第二套筒（52）可在第一套筒（51）内滑动。双套筒外安装有弹簧座圈，包括：上弹簧座圈（41）和下弹簧座圈（42），弹簧座圈之间设有螺旋压力弹簧（43），主要用于支持座椅和驾乘人员重量以及吸收不平路面和其它施力所造成的冲击，而这里所谓的其它施力包含了加速、减速、刹车、转弯等所对弹簧造成的施力。采用螺旋压力弹簧（43）主要是容易制作、性能效率高、价格低。

第一套筒（51）内安装固定有致动器（55），致动器包括：电动马达，液压马达，气动马达等，此处实施例采用电动马达（55），电动马达设计成螺纹传动机构带动连杆（56）产生直线运动，连杆（56）末端连接第一磁体（53），第一磁体为永磁体。第二套筒（52）内安装固定有第二磁体（54），第二磁体为可控电磁体，通过电流可控制第二磁体的磁极方向和磁场强弱。第二磁体产生磁场，从而可以与第一磁体相互吸引或者相互排斥，即当第二磁体通电时，若第二磁体朝向第一磁体的一侧形成的磁场的极性与第一磁体朝向第二磁体的一侧的极性相同，则第二磁体和第一磁体相互排斥，若第二磁体朝向第一磁体的一侧形成的磁场的极性与第一磁体朝向第二磁体的一侧的极性相反，则第二磁体和第一磁体相互吸引，进而第二磁体通过与第一磁体的配合，可以让第二套筒（52）在吸引力或者排斥力的作用下在第一套筒（51）内伸缩移动。

为了增大第一磁体和第二磁体之间的作用力，减少消耗电力，第一磁体和第二磁体采用相对布置。为了进一步增大第一磁体和第二磁体之间的作用力，以便产生瞬时大吸推力，第一磁体（53）和第二磁体（54）是多层叠加磁体，即由多个圆环或圆柱状磁体层的组合，且各磁体层等间距地固定在第二套筒（52）内侧和连杆（56）外侧。磁体层越多吸推力越大，n层的磁体比1层的磁体，吸推力大n倍。

第一磁体和第二磁体采用相对布置虽然有其优点，增大第一磁体和第二磁体之间的作用力，但同时存在一定缺点，如果两磁体过近，且吸力过大时，两磁体容易发生碰撞，导致磁体永久性损伤，最后使电磁避震器失效，所以控制两磁体不相撞的关键在于知道两磁体间的距离，虽然可以通过电机的转动来判断大致位置，但是由于电机转动产生的距离移动存在部分误差，长时间堆积会产生距离判断错误，因此在第一套筒（51）内壁安装位置传感器（44），此处位置传感器（44）采用霍尔传感器，霍尔传感器是根据霍尔效应制作的一种磁场传感器。即感应位置传感器附近的磁场变化来确定第一磁体（53）的位置，间接得到第一磁体和第二磁体之间的距离。为了得到的距离参数更加精确，可在连杆内嵌一颗强磁体（45），设置强磁体（45）与位置传感器最接近位置为位置零点，且每隔一定时间间隔，做一个位置归零动作，较正长时间运动产生的误差。为了完全的保护，另在第一磁体和第二磁体之间，第二磁体上设置碰撞保护部件（46），保护由于意想不到的原因导致两磁体距离过近，此处碰撞保护部件（46）采用能够弹性变形的弹性体，当两磁体距离过近，会挤压弹性体，进一步吸收冲击力，起到保护两磁体的作用。

在可控电磁体第二磁体（54）不工作时，车辆在行驶过程中电磁避震器无法避免的会产生跳动和震动，而震动能量会转为热能浪费掉，能否将震动能量转为电能储存用于电磁避震器，实现整个电磁避震器的低能耗。因此在永磁体第一磁体（53）的外围，第二套筒（52）内层嵌套励磁线圈（57），当第一磁体随第一套筒（51）直线运动时，励磁线圈产生电场，将电场用线束连接引出到整流电路转为直流电，并存储于储能电池或者大电容中，再反向供给可控电磁体，降低了整个电磁避震器的能耗。

本申请具有上述结构，接下来对车辆座椅AI电磁瞬控主动防震的方法进行说明。

车辆座椅控制器接收电磁波发射器发射点云信号，采集地面信息，并通过强化学习方法得到控制信号，并传送给电磁避震器，控制致动器调节磁体到指定相对位置，同时控制可控电磁体产生吸推力，瞬时调控电磁避震器伸缩和阻尼，并实时模拟出各种提前干预动作，规避已知路面即将产生的震动。此处的座椅控制器，包括安装在座椅上的控制单元，也包括把部分功能安装在车辆控制单元ECU上的控制部分。

强化学习作为一个序列决策（Sequential Decision Making）问题，它需要连续选择一些行为，从这些行为完成后得到最大的收益作为最好的结果。它在没有任何label告诉算法应该怎么做的情况下，通过先尝试做出一些行为——然后得到一个结果，通过判断这个结果是对还是错来对之前的行为进行反馈。由这个反馈来调整之前的行为，通过不断的调整算法能够学习到在什么样的情况下选择什么样的行为可以得到最好的结果。

通俗语言解释 ：我们训练出一个人工大脑Agent，如图5，这个Agent可以对环境Environment中的状态Status做出判断，读取环境的状态，并做出动作Action。这个人工大脑做出动作之后，环境会根据受到的来自Agent的动作给这个Agent进行奖励反馈Reward，这个人工大脑会根据环境的奖励反馈做出改进，从而做出更好Improve的行动。就是这样一个循环往复的过程，Agent不断地尝试，不断地改进自己。那么如何让Agent变得足够远见，能够从长远的角度优化当前固定行动，而不是急功近利呢。所以Agent 每一步都要需要向着获得最大利益那边靠齐。

现参照图3和图4说明利用强化学习算法实现AI电磁瞬控主动防震的具体步骤。

步骤a）如图3（a）所示：车辆（5）上的电磁波发射器（51）向路面发射点云ABCD的四边形点云矩阵，路面上存在坑洼（70）和拥包（80）。图3（b）为图3（a）的俯视图，图3（c）为图3（a）的立体图。

图3（d）为本申请实施例提供的电磁波接收器（51）接收到信号点云的示意图。其中坑洼（70）和拥包（80）位置，由于路面状态的变化，所述位置的点云的点位置会发生一定量的偏移，得到如图4所示的路面状态S1数字矩阵。此处图4路面状态S1数字矩阵为了说明而进行了简化，实际路面状态S1数字矩阵要更加密集，数据量更大，包括更多信息，比如：除了坑洼和拥包还有路面倾斜等更多信息，除了电磁波点云位置矩阵还有电磁波点云大小矩阵，所述点云大小指点的直径大小，此参数可以反映路面的材料特性。当然路面状态S1数字矩阵虽然只是一个数字矩阵，但实际包含的信息肯定比已知的更加丰富，只能通过强化学习模型来解读，这也是强化学习模型的强大之处。

步骤b）将车辆状态S2加上S1得到状态S。根据采集到的路面状态S1，可以对电磁避震器的伸缩和阻尼进行提前调控达到稳定座椅的作用，但是路面状态S1到达车轮还有一个时间差t，所以需要得到车辆状态传感器的参数，来计算车轮到达所述路面状态S1时的对应位置、方向以及电磁避震器伸缩和阻尼参数，而这些车辆状态传感器的参数构成车辆状态S2。为了加入更多的车辆状态参数，使得训练模型更加精准，S2还包括此时车辆的速度、加速度、倾斜参数。更进一步地，S2还包括座椅的传感器传回的参数，包括座椅的高低位置和倾斜状态参数等。其中，车辆状态S2加上路面状态S1得到状态S，可以数字矩阵S1加上数字矩阵S2进行简单的融合，再加上时间参数t生成一个新的数字矩阵S，也可由S2中速度、加速度、转向角、时间t等参数计算出车轮到达S1点云矩阵时候，车轮的位置、方向等参数对路面状态S1进行简化，然后再加上车辆的速度、加速度、倾斜参数和座椅参数得到状态S数字矩阵。

步骤c）把状态S输入到预先训练好的强化学习模型中，得到座椅稳定干预动作A。通过强化学习模型，输入状态S的数字矩阵，得到输出座椅稳定干预动作A的数字矩阵，其中A的数字矩阵中的参数包括：电磁避震器的伸缩和阻尼调节参数。遇到各种路面状态，各个电磁避震器的伸还是缩，是阻尼调节到更柔软还是更硬，来适用路面，使得座椅更加稳定，提高驾乘的舒适性。更进一步地，除了AI电磁瞬控主动防震座椅的调节外，还可以通过其他调控手段，例如：车速调控器、制动装置和转向装置等，与座椅调控产生联动，让座椅更加稳定和抗震。在使用车速调控器、制动装置和转向装置进行调控时，应充分考虑现有的行车状况，特别是车辆行驶安全和驾乘舒适性。

步骤d）座椅稳定干预动作A产生的行驶状态传感器参数变化T，设定一个参数R随参数T增大而减小，作为反馈奖励；此处定义了座椅稳定的标准，即通过座椅上加速度传感器来判断座椅稳定性，即座椅倾斜、加速和转向上的参数变化越小和/或越平缓，则座椅稳定性越好。当然三个参数的前面可以加上不同的权重参数，来定义车辆倾斜、加速和转向不同的重要性，具体权重参数，可以根据实际实验情况的驾乘体验来定义，或者做成不同选项让驾乘人员自由选择。

步骤e）车辆座椅稳定干预动作A后得到下一个状态S'。

步骤f）训练一个强化学习模型，基于“状态S+车辆座椅稳定干预动作A+下一个状态S'+反馈奖励R” 作为训练数据，不断地尝试，不断地改进，使得车辆座椅稳定干预动作A趋向反馈奖励R最大。

进一步地，反馈奖励R为了长期表现良好，我们不仅需要考虑即时奖励，还有我们将得到的未来奖励。因此设置Rt=rt+γRt+1，rt为执行完t步骤后的即时奖励，Rt+1为执行完下一个t+1步骤后的未来奖励，γ是数值在0与1之间的贴现因子，在距离我们越远的未来奖励，我们便考虑的越少。

进一步地，所述强化学习模型可以采用Q-learning方法训练，Q-learning更新的公式如下：Q(s,a)←Q(s,a)+α[r+γmaxa'Q(s',a')−Q(s,a)]，根据下一个状态s'中选取最大的Q(s',a')值乘以衰变系数γ加上真实回报值作为Q现实，而根据过往Q表里面的Q(s,a)作为Q估计对Q-table进行更新，其中α为学习率。

进一步地，普通的Q-learning中，当状态S和动作A是离散且维数不高时可使用Q-Table储存每个状态S和动作A对应的Q值，而当状态S和动作A是高维连续时，使用Q-Table储存状态S和动作A,由于数据量太大储存十分困难。故强化学习模型可以采用DQN（CNN+Q-Learning）方法训练，先引入卷积神经网络CNN，把Q-table更新转化为一函数拟合问题，通过拟合一个函数function来代替Q-table产生Q值，使得相近的状态得到相近的输出动作。

其中得到座椅稳定干预动作A最主要是指电磁避震器的伸缩和阻尼调控，来达到座椅稳定最大化，规避已知路面即将产生的震动。此处电磁避震器动作参数主要包括：1.两磁体间的距离，2.控制两磁体间瞬时吸推力的电流大小，3.以及根据时间形成的电流脉冲变化；这三个参数组合，实时模拟出各种提前干预动作，规避已知路面即将产生的震动。

综上，本申请实施例提供了一种AI电磁瞬控主动防震座椅及其方法，用AI强化学习的方法瞬时调控电磁避震器的伸缩和阻尼，并实时模拟出各种提前干预动作，规避已知路面即将产生的震动，保持座椅的稳定性，同时提高驾乘人员的乘车舒适度。而且本装置结构简单，成本低，有很高的应用价值。

本申请依据实施例进行了记述，但是应理解的是本申请并不限定于该实施例及构造。本申请也包含各种变形例及等同范围内的变形。除此以外，各种各样的组合及方式、以及在其中仅包含一个要素、一个以上要素或一个以下要素的其他组合或方式也包含在本申请的范畴及思想范围内。

Claims (7)

1.一种AI电磁瞬控主动防震座椅，其特征在于，该座椅包括：

座椅本体、悬架系统和控制器；悬架系统由安装多个电磁避震器的底座构成，悬架系统连接车身和座椅本体；电磁避震器包括：第一套筒和第二套筒；两个套筒内分别装有磁体组件，包括：第一磁体和第二磁体，且两个磁体至少其中之一是可控电磁体；座椅本体安装有加速度传感器；控制器用于接收电磁波发射器发射点云信号，采集地面状态，地面状态到达车辆还有一个时间差，所以需要得到车辆状态传感器的参数，来计算车轮到达所述地面状态的对应位置、方向以及电磁避震器伸缩和阻尼参数，而这些车辆状态传感器的参数构成车辆状态，将地面状态和车辆状态进行融合，并通过AI强化学习方法得到控制信号，控制电磁避震器产生瞬间吸推力，瞬时调控悬架系统各个方向上的伸缩和阻尼，并实时模拟出各种提前干预动作，抵消已知路面即将产生的震动；

所述电磁避震器中至少一个磁体一端连接致动器，致动器安装在对应的套筒上，致动器带动磁体产生直线运动，第一磁体为永磁体，第二套筒内安装固定有第二磁体，第二磁体为可控电磁体，第一磁体和第二磁体采用相对布置，第一磁体和第二磁体是多层叠加磁体，由多个圆环或圆柱状磁体层的组合而成，各磁体层等间距地固定在第二套筒内侧和连杆外侧。

2.根据权利要求1所述的座椅，其特征在于：电磁避震器的双套筒外安装有弹簧座圈，包括：上弹簧座圈和下弹簧座圈，弹簧座圈之间设有螺旋压力弹簧。

3.根据权利要求2所述的座椅，其特征在于：电磁避震器还包括：位置传感器和碰撞保护部件；位置传感器，用于判断两磁体间的距离；碰撞保护部件，用于保护两磁体，避免碰撞损伤。

4.根据权利要求1至3中任一项所述的座椅，其特征在于：悬架系统底座下部安装有滑动导轨，在导轨滑动方向上，底座安装有多个电磁避震器，电磁避震器另一端与车身固定。

5.根据权利要求4所述的座椅，其特征在于：悬架系统还包括锁死机构，当不需要主动防震功能时，可将座椅本体和车身固定为一体。

6.根据权利要求4所述的座椅，其特征在于：该座椅还包括：位置传感器，用于判断座椅和悬架系统基准的距离，同时记录初始座椅上驾乘人员的体重，并将这一参数反馈给控制器，用于AI强化学习。

7.一种用于车辆座椅AI电磁瞬控主动防震的方法，采用权利要求1所述的座椅，所述方法包括如下步骤：

a)电磁波发射器发射点云照射前方路面，电磁波接收器接收点云位置数据作为地面状态S1；

b)将车辆状态S2加上S1得到状态S；

c)把状态S输入到预先训练好的强化学习模型中，得到车辆座椅干预动作A；

d)车辆座椅干预动作A产生的加速度传感器参数变化T，设定一个参数R随参数T增大而减小，作为反馈奖励；

e)车辆座椅干预动作A后得到下一个状态S'；

f)训练一个强化学习模型，基于“状态S+车辆座椅干预动作A+下一个状态S'+反馈奖励R”作为训练数据，不断地尝试，不断地改进，使得车辆座椅干预动作A趋向反馈奖励R最大。

Images