Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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 积分商城 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 > 江苏大学蔡英凤获国家专利权

江苏大学蔡英凤获国家专利权

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!

龙图腾网获悉江苏大学申请的专利一种自动驾驶商用车载荷与道路自适应控制系统及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:CN115158292B

龙图腾网通过国家知识产权局官网在2025-12-12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:202210866622.7,技术领域涉及:B60W30/02;该发明授权一种自动驾驶商用车载荷与道路自适应控制系统及方法是由蔡英凤;杨伟;廉玉波;陈龙;钟益林;白军明;孙晓强设计研发完成,并于2022-07-22向国家知识产权局提交的专利申请。

一种自动驾驶商用车载荷与道路自适应控制系统及方法在说明书摘要公布了:本发明公开了一种自动驾驶商用车载荷与道路自适应控制系统及方法,包括车辆动力学模型部分,支持向量回归整车质量辨识部分,非线性模型预测控制部分,径向基函数神经网络部分和道路分类器部分共5部分。通过基于支持向量回归的商用车质量辨识方法和轮胎侧偏刚度在线修正方法,有效辨识出不同载荷下的车辆质量以及修正轮胎侧偏刚度,提高了车辆轨迹跟踪的能力;还提出基于径向基函数神经网络补偿横向控制,针对外界扰动和动力学模型的参数误差进行补偿,进一步降低轨迹跟踪误差;同时提出的道路分类器,可针对不同道路附着特性在线调整模型预测控制器中的控制量约束和控制增量约束,有效提升了商用车的道路适应性和安全性。

本发明授权一种自动驾驶商用车载荷与道路自适应控制系统及方法在权利要求书中公布了:1.一种自动驾驶商用车载荷与道路自适应控制系统,其特征在于,包括车辆动力学模型部分,支持向量回归整车质量辨识部分,非线性模型预测控制部分,径向基函数神经网络部分和道路分类器部分; 所述车辆动力学模型部分,该模型将作为非线性模型预测控制器中的预测模型,通过求解此模型得出控制量; 所述支持向量回归整车质量辨识部分进行质量辨别,在线得到整车质量将用于修正轮胎侧偏刚度以及更新模型预测控制器中的预测模型的质量参数,并将修正后的侧偏刚度将用于更新模型预测控制器中的预测模型的轮胎侧偏刚度参数;具体如下: 利用支持向量回归进行商用车质量辨识,车辆轮胎纵向驱动力可由纵向加速度、整车质量、迎风阻力、轮胎滚动阻力、路面坡度综合表示,如下式所示: 式中,m为车辆质量,Fres表示轮胎纵向驱动力,ρ表示空气密度,表示车辆纵向加速度,vx表示车辆纵向速度,Cd表示空气阻力系数,A表示迎风面积,g表示重力加速度,θ表示路面坡度,f表示滚动阻力系数; 在汽车CAN总线中提取纵向驱动力Fres、纵向加速度纵向速度vx、滚动阻力系数f、空气阻力将Fres、vx、f、Fw作为质量辨识算法输入变量; 将获得的数据进行标准化,方法如下所示: 式中,Z表示数据标准化的输出,p表示数据标准化输入,μ表示所有数据样本均值,σ表示所有样本数据的标准差,M表示训练集数据样本总数,pi表示第i组输入的数据, Fres、vx、f、Fw作为质量辨识算法输入变量,辨识算法为支持向量回归,其辨识函数表示为: fp=ωTp+b 式中,ω表示法向量,b表示位移项,p表示输入的数据,fp表示辨识的输出;定义代价函数Rregf表示为: 式中,ri表示第组数据样本对应的实际值,lε表示不敏感损失函数,C表示正则化常数,M表示训练集数据样本总数; 利用支持向量回归进行质量辨识,在线得到整车质量将用于修正轮胎侧偏刚度,如下式所示: 式中,m0表示商用车空载质量,mf表示支持向量回归辨识到的商用车质量,C0表示商用车空载时的轮胎侧偏刚度,Cnew表示修正后的轮胎侧偏刚度,修正后的侧偏刚度将用于更新模型预测控制器中的预测模型的轮胎侧偏刚度参数; 所述非线性模型预测控制部分,采集车辆的状态量,并基于已建立的车辆动力学模型,同时在满足相应的约束的情况下去进行最优求解,求解出一个最优的控制量作用于实际车辆; 所述径向基函数神经网络部分,通过输入横向轨迹跟踪误差和横摆角误差,输出转向角用于补偿非线性模型预测控制部分的横向控制;具体如下: 所述径向基函数神经网络部分,采用2-5-1结构,即输入层具有2个神经元,隐藏层具有5个神经元,输出层具有1个神经元,神经网络的输入为横向轨迹跟踪误差ecg和横摆角误差输出为前轮转角补偿δm,网络权值训练采用在线调整方式,hj为隐含层第j个神经元,选用高斯基函数: 式中,cj=[cj1.cj2]为第j个隐藏层神经元的中心矢量值,bj=[b1,…,b5]T为神经网络的基宽向量,w=[w1,…,w5]T为神经网络输出层的权值; RBF神经网络输出为: δmt=w1h1+…+w5h5 网络逼近的误差指标为: 对参数b、cj、wj的在线调整,采用梯度下降法: 式中,η表示学习速率,α表示动量因子,ρ表示调整参数,△ρ表示调整参数的变化量,△ρt=ρt-ρt-1; 所述道路分类器部分,识别出不同附着系数的路面,可以在线调整前轮转角约束的上下限,即调整非线性模型预测控制器中的约束,保证求解出的控制量是符合当前道路安全性的,用于提高商用车的道路自适应能力。

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学府路301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。

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。