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！

龙图腾网获悉北京信息科技大学申请的专利矿用卡车自动换档控制方法、系统、存储介质及计算设备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：CN116227540B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310107752.7，技术领域涉及：G06N3/0442；该发明授权矿用卡车自动换档控制方法、系统、存储介质及计算设备是由王立勇;苏清华;许筱毓设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本矿用卡车自动换档控制方法、系统、存储介质及计算设备在说明书摘要公布了：本发明涉及一种矿用卡车自动换档控制方法、系统、存储介质及计算设备，其包括：获取矿用卡车的离线状态数据并进行预处理，顺序生成原始MTD集合，过滤掉与换档无关和无效的数据，生成有效MTD集合，并随机划分为训练集和测试集；以训练集作为预先建立的多参数和时间跨度的ResNet‑Bi‑LSTM‑Attention网络的输入，对ResNet‑Bi‑LSTM‑Attention网络进行训练；将测试集输入训练后的ResNet‑Bi‑LSTM‑Attention网络中，验证ResNet‑Bi‑LSTM‑Attention网络的鲁棒性，得到最终的ResNet‑Bi‑LSTM‑Attention网络模型，并将获取的矿用卡车离线状态数据输入该模型，输出最终档位特征，完成换档操作。本发明解决了现有技术容易忽略了时序性数据上下文信息的完整性，无法很好的综合数据前后特征的问题，可以在重型车辆换挡控制领域应用。

本发明授权矿用卡车自动换档控制方法、系统、存储介质及计算设备在权利要求书中公布了：1.一种矿用卡车自动换档控制方法，其特征在于，包括： 获取矿用卡车的离线状态数据并进行预处理，顺序生成原始MTD集合，过滤掉与换档无关和无效的数据，生成有效MTD集合，并随机划分为训练集和测试集； 以训练集作为预先建立的多参数和时间跨度的ResNet-Bi-LSTM-Attention网络的输入，对ResNet-Bi-LSTM-Attention网络进行训练； 将测试集输入训练后的ResNet-Bi-LSTM-Attention网络中，验证ResNet-Bi-LSTM-Attention网络的鲁棒性，得到最终的ResNet-Bi-LSTM-Attention网络模型，并将获取的矿用卡车离线状态数据输入该模型，输出最终档位特征，完成换档操作； 获取矿用卡车的离线状态数据并进行预处理，包括： 将实时获取的矿用卡车状态数据进行解码，生成带有定时的原始MTD集合，集合中最后一列当前时间的档位值CG，作为模型训练的真实值，其余列作为齿轮预测的潜在参数； 采用RS分析方法计算原始MTD集合的H指数，通过H指数筛选出具有正相关性的换挡参数； 对筛选出的具有正相关性的换挡参数进行异常值处理和数据归一化处理，生成由有效的时间数据组成的有效MTD集合； 对ResNet-Bi-LSTM-Attention网络进行训练，包括： 输入层是一组基于多时间跨度的MTD数据，且输入特征由多个车辆状态数据组成； 在输入Bi-LSTM以及ResNet前通过一层全连接层进行降维，降维处理后分别将特征同时输入至Bi-LSTM与ResNet网络中进行计算； 在Bi-LSTM结构中，首先输入一层隐藏层，并设置各超参数，同时批次大小将在每次训练前手动设置；在时间步长为t+n时刻输入一个双向LSTM层来编码时间序列的特征，将得到的隐藏层状态值h1，h2,....,hn分别输入至一层隐藏层中，并将得到的结果与训练步长相乘，计算出隐藏层当前状态的值；增加随机失活以缓解模型训练中的过拟合问题，输出Bi-LSTM最终t+n时刻隐藏状态的输出特征； 在ResNet网络的训练过程中，首先输入一层卷积层再次降维以降低整体结构的复杂度；接入第一层1*1的卷积核，对输入通道定义归一化的函数，同时设置激活函数为Relu，其他参数为默认；依次接入第二层3*3的卷积核和第三层1*1的卷积核；添加Shortcut结构，使得输入层通过加权直接连接到输出层；将计算结果输入到全局平均池化层中进行池化操作，最终得到ResNet层的计算值； 利用门控残差连接的方式，将Bi-LSTM与ResNet层降维后隐藏层的结果进行拼接，并通过一层全连接网络降维； 通过门控机制将最初的输入特征与隐藏状态总输出值结合起来作为下一层网络的输入，接入两个隐藏层充分提取特征； 若当前迭代训练的模型算出损失小于上一次epoch训练的模型，结束训练保存当前模型，否则提前终止训练并保存当前最好的模型； 接入输出层以及SoftMax层输出最终档位特征。

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北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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”。

以上内容由龙图腾AI智能生成。