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！

龙图腾网获悉北京理工大学申请的专利履带车辆行驶状态预测模型训练方法、预测方法及产品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：CN119474869B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411595260.8，技术领域涉及：G06F18/214；该发明授权履带车辆行驶状态预测模型训练方法、预测方法及产品是由马越;罗智仁;侯旭朝设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本履带车辆行驶状态预测模型训练方法、预测方法及产品在说明书摘要公布了：本申请公开了一种履带车辆行驶状态预测模型训练方法、预测方法及产品，涉及履带车辆智能驾驶技术领域，首先获取履带车辆的量测向量数据和可测控制向量数据；将可测控制向量数据输入训练好的传动‑履带模型，得到实际控制向量数据；获取履带车辆的上一时刻的状态向量数据，依次计算状态向量数据和量测向量数据的先验估计，得到先验状态估计和先验量测估计；将先验状态估计、先验量测估计和实际控制向量数据转换为差分序列；利用差分序列训练循环神经网络，得到履带车辆行驶状态预测模型。本申请将具有良好非线性拟合特性的神经网络结合到卡尔曼滤波算法中，实现对强非线性系统的有效状态估计，融入卡尔曼滤波状态估计原理，减少神经网络的待学习参数。

本发明授权履带车辆行驶状态预测模型训练方法、预测方法及产品在权利要求书中公布了：1.一种履带车辆行驶状态预测模型训练方法，其特征在于，所述履带车辆行驶状态预测模型训练方法包括： 获取履带车辆的量测向量数据和可测控制向量数据；所述量测向量数据包括：履带车辆的纵向、横向加速度和横摆角速度；所述可测控制向量数据包括：左右驱动电机转矩、左右主动轮转速和变速器挡位； 将所述可测控制向量数据输入训练好的传动-履带模型，得到实际控制向量数据；所述实际控制向量数据包括：履带所受地面的横纵向力、转向驱动力矩与转向阻力矩； 获取履带车辆的上一时刻的状态向量数据；所述状态向量数据包括：履带车辆的纵向、横向速度和横摆角速度的预测值； 利用卡尔曼递归框架计算当前时刻的状态向量数据的先验估计，得到先验状态估计； 利用卡尔曼递归框架计算所述量测向量数据的先验估计，得到先验量测估计； 将所述先验状态估计、所述先验量测估计和所述实际控制向量数据转换为差分序列； 利用所述差分序列训练循环神经网络，得到履带车辆行驶状态预测模型；所述履带车辆行驶状态预测模型的输出为状态向量预测数据；所述状态向量预测数据为预测得到的履带车辆的实时纵向、横向速度和横摆角速度； 所述传动-履带模型的训练方法，具体包括： 获取履带车辆的驱动数据；所述驱动数据包括：左右驱动电机转矩训练数据、左右主动轮转速训练数据和变速器挡位训练数据； 对所述履带车辆进行受力分析，得到车辆受力数据；所述车辆受力数据包括：履带车辆的履带所受地面的横纵向力训练数据、转向驱动力矩训练数据与转向阻力矩训练数据； 以所述驱动数据为输入，所述车辆受力数据为输出，训练神经网络，得到传动-履带模型； 所述卡尔曼递归框架为基于机理模型的卡尔曼递归框架； 所述卡尔曼递归框架的处理过程包括： 建立履带车辆动力学模型： 式中，为纵向加速度，为横向加速度，为横摆角加速度，i＝1,2分别代表左右两侧履带，m为车辆质量，Iz为车辆的转向惯量，B为履带中心距，vx为纵向速度，vy为横向速度，ω为转向角速度，Fxi为地面作用于两侧履带的纵向驱动力，Fyi为地面作用于两侧履带的横向力，Tdi为两侧履带所受的转向驱动力矩，Tri为两侧履带所受的转向阻力矩，FN1,FN2为左右侧履带上的接地压力，g为重力加速度，fr为地面阻力系数； 模型状态变量为x＝[vx,vy,ω]T，控制量为u＝[Fx1,Fx2,Fy1,Fy2,Tr1,Tr2,Td1,Td2]T，量测量为y＝[ax,ay,ω]T，其中ax,ay分别为车辆的纵向、横向加速度，ω为横摆角速度； 状态转移函数为： 根据车辆动力学模型，得到量测函数为：

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。