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基于深度拉格朗日神经网络的自动驾驶车辆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：CN115230720B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202210870639.X，技术领域涉及：B60W50/00；该发明授权基于深度拉格朗日神经网络的自动驾驶车辆控制系统及方法是由蔡英凤;杨伟;廉玉波;陈龙;钟益林;刘卫国;周俊杰;孙晓强;袁朝春设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本基于深度拉格朗日神经网络的自动驾驶车辆控制系统及方法在说明书摘要公布了：本发明公开了基于深度拉格朗日神经网络的自动驾驶车辆控制系统及方法，包括：车辆动力学模型部分，坐标转换部分，控制环部分，深度拉格朗日神经网络部分；利用深度拉格朗日神经网络学习拉格朗日方程中的惯量矩阵，计算出广义力，有效的学习自动驾驶车辆的动力学方程，本发明结合了深度学习和物理模型的优点，实现了良好的自动驾驶车辆的轨迹跟踪控制能力，同时基于拉格朗日方程的神经网络由于其良好的物理可解释性，因此有良好的问题诊断能力和泛化能力，在学习速度上优于其他方法，表现出更稳健的新轨迹推断和实时在线学习能力，降低了离线训练的计算成本和时间成本，具有良好的适应性，通过极少的参数调整即可将该控制系统应用于其他车辆上。

本发明授权基于深度拉格朗日神经网络的自动驾驶车辆控制系统及方法在权利要求书中公布了：1.基于深度拉格朗日神经网络的自动驾驶车辆控制系统，其特征在于，包括：车辆动力学模型部分，坐标转换部分，控制环部分，深度拉格朗日神经网络部分； 所述车辆动力学模型，构建广义力与转角之间的关系，当深度拉格朗日神经网络输出广义力后依据此模型求解出对应的前轮转角 所述坐标转换部分，实现惯性坐标系和车身坐标系之间的坐标转换； 所述控制环部分，引入反馈控制以对前轮转角进行修正，形成控制环，得到修正的前轮转角δm； 深度拉格朗日神经网络部分，将期望的广义坐标广义速度广义加速度输入深度拉格朗日神经网络，输出广义力依据车辆动力学模型求解出对应的前轮转角与修正的前轮转角δm共同作用于车辆控制； 前后轮的横向力、纵向力表示为下式： Flr＝Clrsr Flf＝Clfsf 式中，Fcf和Fcr分别表示前后轮侧偏力，Flf和Flr分别表示前后轮纵向力，Ccf和Ccr分别表示前后轮侧偏刚度，sf和sr分别表示前后轮滑移率，Clf和Clr分别表示前后轮的纵向刚度； 所述深度拉格朗日神经网络的输入为状态量q为下式： 式中，表示车身航向角，X、Y分别表示车辆在惯性坐标系下的纵向、横向位移； 输出为下三角矩阵“∧”均表示该项是从神经网络中得到的估计值，其中神经网络输出和惯量矩阵的关系为： 式中，ζ表示深度神经网络中的参数，其中表示为： 式中，ld代表矩阵中的对角线元素，lo代表矩阵中的非对角线元素，同时，对角线元素ld的建模，使用ReLu或Softplus等非负激活函数，其次，对非对角线元素lo建模，使用线性激活函数； 拉格朗日方程中的计算表示为： 式中的计算由下式表示： 式中，wi表示神经网络中第i层的权重值，bi表示神经网络中第i层的偏置值；在神经网络中，wi和bi为时不变的量，其导数为0； 因此表示为： 式中，N代表神经网络的层数； 式中，hi表示第i层神经网络的输出，g′表示激活函数的导数； 拉格朗日方程中的计算为： 因此拉格朗日方程中的均通过神经网络中参数wi、bi以及神经网络的输出计算得出，计算出广义力如下所示： 通过广义力计算出前轮转角控制量其表达式如下所示： 式中，Fx表示车身坐标系下x轴方向的力，Fy表示车身坐标系下y轴方向的力，RT表示转换矩阵R的转置矩阵。

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。