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！

龙图腾网获悉江苏大学申请的专利一种改进的YOLOX-NANO模型、以及基于此模型的汽车电控悬架控制方法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：CN116729042B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310385447.4，技术领域涉及：B60G17/015；该发明授权一种改进的YOLOX-NANO模型、以及基于此模型的汽车电控悬架控制方法是由王海;秦启瑞;蔡英凤;张洲宇;陈龙;李祎承;刘擎超;刘泽设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种改进的YOLOX-NANO模型、以及基于此模型的汽车电控悬架控制方法在说明书摘要公布了：本发明公开了一种改进的YOLOX‑NANO模型、以及基于此模型的汽车电控悬架控制方法，S1构建障碍物数据集，对样本进行标注，划分训练集与验证集，S2采用迁移学习方式选出最优模型，将最优模型部署到嵌入式平台，用TensorRT对模型进行加速优化；S3外接摄像头对汽车前方路面实时检测，由模型检测出障碍物，将结果输入SORT跟踪器，对障碍物在时间序列内进行跟踪；S4将每一个独立的跟踪目标在图像中的坐标转换成汽车车轮到障碍物的实际距离，结合实时车速、障碍物几何尺寸，计算汽车车轮与障碍物即将发生接触的起始时间和接触的末尾时间，在起始时间，调节悬架的阻尼；在末尾时间，调节悬架的阻尼到正常状态，实现悬架控制的精确优化，提升汽车行驶的舒适性。

本发明授权一种改进的YOLOX-NANO模型、以及基于此模型的汽车电控悬架控制方法在权利要求书中公布了：1.一种改进的YOLOX‑NANO模型，其特征在于，该模型具体结构如下： 包括主干特征提取网络，特征增强融合网络以及检测头网络三部分构成； 其中主干特征提取网络对送入网络的图片进行初步的特征提取，并生成三种尺寸分别为原图14、18、116的不同尺度的特征图，分别命名为S3、S4、S5，主干特征提取网络由十一个基础特征提取块构成，每一个基础特征提取块按顺序分别包含：3×3的卷积层、批归一化层、ReLU激活函数层、5×5的深度可分离卷积层、批归一化层、ReLU激活函数层，同时每一个基础特征提取块通过残差结构将未进入基础特征提取块处理的特征图直接与经过基础特征提取块处理后得到的特征图相加，将十一个基础特征提取块叠加构成了改进YOLOX‑NANO网络的主干特征提取网络； 特征增强融合网络将主干特征提取网络生成的三种不同尺度的特征图进行多尺度的特征融合，生成三种不同尺度的融合特征图，其输入分别为主干特征提取网络输出的S3、S4、S5，其中，S5先进行两倍的上采样操作将特征图尺寸增大，并与输入的S4相加用来更新S4的数值，更新数值后的S4有三条分支流向：首先，S4经过并行的3×3的卷积层、ReLU激活函数层和1×1的卷积层、ReLU激活函数层，得到的两个数值相加后再经过两倍上采样与S3沿特征通道维度拼接后记为F3；其次，S4本身直接将数值传递给F4；最后，S4经过并行的3×3的卷积层、ReLU激活函数层和1×1的卷积层、ReLU激活函数层，得到的两个数值相加后再经过两倍下采样与S5沿特征通道维度拼接后记为F5； 检测头网络将特征增强融合网络生成的三种不同尺度的融合特征图经过尺寸改变后沿特征通道维度拼接生成一个特征图，该特征图经过卷积模块与两个并行的线性层后分别输出目标的种类以及目标的预测框，检测头网络将特征增强融合网络输出的特征图F3两倍下采样为F4的尺寸，将特征图F5两倍上采样为F4的尺寸，再将F3、F4、F5沿特征通道维度拼接，拼接后的特征图依次经过1×1的卷积层、ReLU激活函数层得到特征图P，特征图P经过两个并行的线性层后分别输出目标的种类以及目标预测框。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区；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”。

以上内容由龙图腾AI智能生成。