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！

龙图腾网获悉上海交通大学;聊城巽丰智能科技有限责任公司;聊城产业技术研究院有限公司申请的专利基于LQR和人工神经网络的汽车悬架预控制方法及系统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：CN119567784B 。

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：202411672960.2，技术领域涉及：B60G17/018；该发明授权基于LQR和人工神经网络的汽车悬架预控制方法及系统是由杨林;徐安泽;史臻;陈宇轩;郝奇;潘成刚;金悦设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本基于LQR和人工神经网络的汽车悬架预控制方法及系统在说明书摘要公布了：本发明提供了一种基于LQR和人工神经网络的汽车悬架预控制方法及系统，该方法通过双目相机提前获取路面起伏度信息，结合车载传感器所得的车辆姿态参数和运动参数，共同构建悬架系统的动力学模型，并用线性空间方程表达。随后，设计人工神经网络，根据车辆参数和路面高度，计算加权系数矩阵。基于线性二次型调节器LQR求解最优悬架参数，实现悬架的预控制。通过精确离散化方法计算悬架变形后的姿态，对人工神经网络进行在线监督训练。该方法能提前计算悬架变形量，有效吸收路面冲击，提高行车安全性和舒适性。相比传统实时反馈控制，本发明具备更强的环境适应性和可靠性。

本发明授权基于LQR和人工神经网络的汽车悬架预控制方法及系统在权利要求书中公布了：1.一种基于LQR和人工神经网络的汽车悬架预控制方法，其特征在于，所述方法包括如下步骤： 步骤S1：基于双目深度估计技术，预先获取前方路面的起伏度信息，并结合车载传感器实时获取的车辆和悬架系统的所有姿态参数和运动参数； 步骤S2：根据获取的参数，构建悬架系统的动力学模型，并通过状态空间表达式进行描述； 步骤S3：设计一个人工神经网络，该网络以车辆参数和路面高度作为输入，通过学习的方式计算并输出用于LQR控制的加权系数矩阵； 步骤S4：利用LQR方法，结合人工神经网络输出的加权系数矩阵，求解得到反馈增益矩阵，从而确定主动控制外力的大小，并基于精确离散化方法预测悬架变形后的姿态，用于对人工神经网络进行在线监督训练； 步骤S5：根据LQR求解结果，动态调整悬架的空气弹簧刚度，并重复步骤S1至S5进行持续的预控制； 所述步骤S4中求解Riccati方程得到矩阵时，采用人工神经网络输出的加权系数矩阵作为方程的一部分参数，进行基于学习的LQR参数调节； 基于精确离散化方法预测悬架变形后的姿态时，考虑当前状态下的矩阵、状态变量以及最优控制外力，并使用泰勒级数展开进行近似计算； 对人工神经网络进行在线监督训练时，使用smoothL1loss函数来最小化前后两个时刻车辆在垂直方向的姿态变化。

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上海交通大学;聊城巽丰智能科技有限责任公司;聊城产业技术研究院有限公司，其通讯地址为：200240 上海市闵行区东川路800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。