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！

龙图腾网获悉燕山大学申请的专利基于数据驱动的山地叶片转运车防侧翻预警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：CN119720777B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411812160.6，技术领域涉及：G06F30/27；该发明授权基于数据驱动的山地叶片转运车防侧翻预警方法及系统是由张亚辉;姜宇昊;王明阳;王艺璎;焦晓红;刘泽阳;王继者;王众;田阳;文桂林设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于数据驱动的山地叶片转运车防侧翻预警方法及系统在说明书摘要公布了：本发明提供一种基于数据驱动的山地叶片转运车防侧翻预警方法及系统，涉及车辆防侧翻风险预警技术领域，其包括以下步骤：S1、联合仿真生成神经网络训练数据集；S2、构建RBF神经网络训练作为车辆簧上载荷参数估计模型；S3、利用改进灰狼优化算法对RBF神经网络的参数进行优化；S4、对RBF神经网络进行优化并基于优化后RBF神经网络进行簧上载荷预测；S5、通过车载传感器获取车辆行驶过程中的状态信息得到车辆的簧上载荷分布情况并产生预警信号；S6、搭建基于ROS的风电叶片山地转运车防侧翻可视化平台，进行防侧翻预警。本发明的方法根据车辆行驶过程中的参数进行实时的车辆防侧翻预警，提高了车辆运输过程中的安全性。

本发明授权基于数据驱动的山地叶片转运车防侧翻预警方法及系统在权利要求书中公布了：1.一种基于数据驱动的山地叶片转运车防侧翻预警方法，其特征在于：其包括以下步骤： S1、联合仿真生成数据集； S2、构建RBF神经网络训练作为车辆簧上载荷参数估计模型，确定车速、前轮转向角、挂车后轮主动转向角以及上装作业机构回转角度四个变量作为预测模型的输入；确定车辆每个轮子的簧上载荷为预测模型的输出； 步骤S2具体包括以下步骤： S21、建立描述簧上载荷变化的非线性网络架构作为车辆簧上载荷参数估计模型，非线性网络架构采用三层结构，三层结构分别包括输入层、隐藏层以及输出层，输入向量通过隐藏层的激活函数非线性映射到隐藏空间，预测模型的输出为隐藏层神经元输出的线性加权和； S22、确定车辆簧上载荷参数估计模型的输入与输出； S23、选取高斯函数作为激活函数，利用RBF神经网络的近似输出得到估计簧上载荷值，并进一步计算实际簧上载荷值： ； 其中，表示估计簧上载荷值，和表示神经元的中心和宽度，表示输出与隐藏层之间的权重，表示实际簧上载荷值； S3、利用改进灰狼优化算法对RBF神经网络的参数进行优化，求解时定义等级为、、和，等级依次降低，其中，代表最优解，、、分别代表第二解、第三解和第四解； 在迭代求解过程中引入自适应的收敛因子解决迭代过程中收敛因子线性减小的问题： ； 其中，表示0-1之间的随机数；t代表当前迭代次数，T代表最大迭代次数； 引入分布函数对最优解进行优化，优化后的表达式为： ； 其中，、、分别为最优解、第二解和第三解的位置向量； S4、对RBF神经网络进行优化并基于优化后RBF神经网络进行簧上载荷预测，具体包括以下子步骤： S41、确定隐藏层的神经元个数： ； 其中，、表示输入层的神经元个数，；代表隐藏神经元的个数； S42、数据预处理，将数据分为训练样本和测试样本并进行标准化处理； S43、设置灰狼优化算法的参数，包括最大迭代次数和灰狼的数量； S44、计算每只灰狼的适应度值，并根据适应度值对灰狼进行排序； S45、基于步骤S3更新参数直到迭代完成，并根据上述参数对网络的参数进行优化； S46、基于优化后RBF神经网络进行簧上载荷预测； S5、通过车载传感器获取车辆行驶过程中的状态信息得到车辆的簧上载荷分布情况，得到侧翻时间TTR，基于侧翻时间TTR和侧翻阈值生成侧翻预警信号，侧翻阈值计算方法为： ； 其中，表示权重系数，表示上装作业装置转角，、表示运输底盘牵引车和挂车的横摆角； S6、构建基于ROS的风电叶片山地转运车防侧翻可视化平台，进行防侧翻预警。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市河北大街西段438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。