Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学庄伟超获国家专利权

东南大学庄伟超获国家专利权

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!

龙图腾网获悉东南大学申请的专利一种可重构分布式驱动多轴车辆轨迹跟踪方法及运载装置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:CN119176122B

龙图腾网通过国家知识产权局官网在2025-09-02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:202411188906.0,技术领域涉及:B60W30/02;该发明授权一种可重构分布式驱动多轴车辆轨迹跟踪方法及运载装置是由庄伟超;王彦霖;李兵兵;王康;许锦昌;殷国栋;高强;张宁;魏文鹏设计研发完成,并于2024-08-28向国家知识产权局提交的专利申请。

一种可重构分布式驱动多轴车辆轨迹跟踪方法及运载装置在说明书摘要公布了:本发明公开一种可重构分布式驱动多轴车辆轨迹跟踪方法及运载装置。方法包括实时获取车身的纵、横向运动速度和横摆角速度;获取车辆的位置信息,目标路径信息,并匹配轨迹跟踪目标点;建立用于轨迹跟踪的车辆三自由度动力学模型;根据车辆的纵向动力学模型,采用滑模控制方法求解整车所需纵向力,达到跟踪指定速度的效果;得到跟踪误差模型,基于非线性模型预测控制算法计算出各轮转角和整车横摆力矩;根据轮胎附着率的定义与上层控制器输出的整车纵向力与横摆力矩要求,分配各轮纵向轮胎力,并转化为电机扭矩;控制车辆的转向系统和车轮电机执行车轮转向角和扭矩指令。本发明有利于提高车辆的操纵稳定性和轨迹跟踪精度。

本发明授权一种可重构分布式驱动多轴车辆轨迹跟踪方法及运载装置在权利要求书中公布了:1.一种可重构分布式驱动多轴车辆轨迹跟踪方法,其特征在于,包括以下步骤: 1实时获取车身的纵、横向运动速度和横摆角速度; 2获取车辆的位置信息,目标路径信息,并匹配轨迹跟踪目标点; 3建立用于轨迹跟踪的车辆三自由度动力学模型,三自由度包含车辆的纵向、横向和横摆方向; 4根据车辆的纵向动力学模型,采用滑模控制方法求解整车所需纵向力,达到跟踪指定速度的效果; 5基于Frenet坐标系和车辆动力学模型得到跟踪误差模型,基于非线性模型预测控制算法计算出各轮转角和整车横摆力矩; 6根据轮胎附着率的定义与上层控制器输出的整车纵向力与横摆力矩要求,使用二次规划方法最优地分配各轮纵向轮胎力,并转化为电机扭矩; 7控制车辆的转向系统和车轮电机执行车轮转向角和扭矩指令; 其中所述步骤3中整车的横向动力学与横摆动力学模型如下: 对上述公式中的符号与数字加以说明:j=1和j=2分别表示左轮和右轮,i表示从靠近车头端开始计数的第i个车轴,m是车辆的总质量,vy是车身坐标系下车辆质心处的横向速度,vx是车身坐标系下车辆质心处的纵向速度,ωr是车辆的横摆角速度,I是车辆绕z轴的转动惯量,li表示第i根轴至车辆质心的距离,Fyij表示单个轮胎提供的横向力,Fyi表示单根轴提供的横向力,ΔMz是整车的附加直接横摆力矩,表示横摆角速度对时间t的微分; 所述步骤5包括: 通过Frenet坐标系得到车辆的跟踪误差模型: 对上述方程组两边求导得: 与车辆的横向动力学模型联立为: 取系统的状态变量为: 控制量为: u=[δ11δ12δ21δ22δ31δ32δ41δ42δ51δ52δ61δ62ΔMz]T 车辆动力系统的状态空间方程: 设置路径跟踪的阶段成本函数为: 则在t时刻,非线性模型预测控制NMPC的最优控制问题如下表述: umin≤ut+i≤umax 对上述公式中的符号与数字加以说明:N为预测时域,J表示代价函数,代价函数的权重矩阵为Q、R1、R2,是车辆的横摆角,ed表示车辆质心位置与目标点的误差,为车辆的横摆角与期望横摆角之差,是期望横摆角,是目标点航向角的变化率,k1为路径点的曲率,δ为车轮转角,为Frenet坐标系下路径点处的横坐标变化率,Δu表示控制量的变化率,umin和umax分别为控制量的最大最小值,lx,u、gx,u、fx,u表示关于x、u的函数。

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东南大学,其通讯地址为:210018 江苏省南京市玄武区四牌楼2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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。