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！

龙图腾网获悉大连理工大学申请的专利一种高速智能汽车横向主动抗干扰控制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：CN116719323B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310846913.4，技术领域涉及：G05D1/86；该发明授权一种高速智能汽车横向主动抗干扰控制方法是由郭烈;关龙新;岳明;王旭;胥林立设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种高速智能汽车横向主动抗干扰控制方法在说明书摘要公布了：本发明公开了一种高速智能汽车横向主动抗干扰控制方法，包括以下步骤：初始化；获取参考航向及其变化率；基于ESO进行状态估计；确定PD状态反馈控制律；确定ADRC控制律；计算前轮转角控制律；进行横向主动抗干扰控制。本发明基于单轨车辆动力学模型建立了自抗扰路径跟踪名义模型，所设计的ESO能自主估计系统未建模的不确定性扰动及外部未知扰动，提升了路径跟踪控制算法抗干扰的能力，保证了横向和航向跟踪精度。本发明基于RBFNN的前馈补偿器通过RBFNN权值自适应律实现权值实时更新，能准确估计ESO无法估计到的部分总扰动，能够共同对所述扰动进行估计和实时补偿，最终提升了路径跟踪控制算法的鲁棒性及车辆的稳定性。

本发明授权一种高速智能汽车横向主动抗干扰控制方法在权利要求书中公布了：1.一种高速智能汽车横向主动抗干扰控制方法，其特征在于：利用高速智能汽车横向主动抗干扰控制系统进行控制，所述高速智能汽车横向主动抗干扰控制系统包括初始化模块、自抗扰控制器和基于自适应径向基神经网络的前馈补偿器； 所述初始化模块，负责检查感知模块、定位模块、规划模块及底盘模块信号收发是否正常；加载单轨车辆动力学模型参数，加载ADRC参数，加载基于RBFNN的前馈补偿器参数，加载自抗扰路径跟踪名义模型参数；所述RBFNN为自适应径向基神经网络，所述ADRC为自抗扰控制器； 所述自抗扰控制器由跟踪微分器、PD和ESO构成，实现车辆航向偏差状态闭环反馈控制，所述PD为比例微分器，所述ESO为扩张状态观测器； 所述ESO用于估计路径跟踪过程中产生的总扰动，所述总扰动为未建模的不确定性扰动及外部未知扰动，所述未建模的不确定性扰动包含车辆质量及轮胎特性变化带来的扰动，对PD状态反馈控制律输出进行补偿进而得到ADRC控制律； 所述基于RBFNN的前馈补偿器估计ESO无法估计到的稳态扰动并直接进行补偿，最终得到ADRC控制律与基于RBFNN的前馈补偿器的估计值相叠加的前轮转角控制律，实现将ADRC控制律及基于RBFNN的前馈补偿器构成复合横向主动抗干扰控制方法，完成闭环反馈与前馈调节； 所述控制方法包括以下步骤： 步骤1：初始化 初始化模块负责检查感知模块、定位模块、规划模块及底盘模块信号收发是否正常，加载单轨车辆动力学模型参数，加载自抗扰路径跟踪名义模型参数，加载自抗扰控制器参数，加载基于RBFNN的前馈补偿器参数； 以数学方程的形式建立所述单轨车辆动力学模型如下： 式中：为车辆质量；为侧向车速；为纵向车速；为航向角速度；为航向角加速度；为转动惯量；和分别为前后车轴到质心处的距离；和分别为前后轮的侧偏刚度；为前轮转角； 所述自抗扰路径跟踪名义模型为： 式中：为外部未知扰动，为总扰动，为被控输入增益系数； 步骤2：获取参考航向及其变化率 微分跟踪器接收规划模块下发的参考路径信息，所述参考路径信息包括参考航向信息；将参考航向信息输入到微分跟踪器得到参考航向变化率信息；然后找到在参考路径上距离智能汽车最近的匹配点，计算出车辆真实航向及其变化率与参考航向及其变化率之间的航向误差和航向误差变化率； 所述微分跟踪器的数学方程如下： 式中：为采样时间；和均为微分跟踪器的输出状态量，即分别为滤波后的参考航向及其变化率信息，和均为微分跟踪器下一时刻的输出状态量；为微分跟踪器的输入信息，即期望航向角；为速度因子，决定跟踪速度；为滤波因子，具有滤波作用；、、、及均为微分跟踪器计算过程中产出的中间变量；函数被定义为： 所述航向误差和航向误差变化率的计算公式为： 式中：为车辆在大地坐标系下实时的航向角；为航向误差；为航向误差变化率； 步骤3：基于ESO进行状态估计 将智能汽车实时的航向信息及上一时刻智能汽车的前轮转角信息输入到ESO中，ESO输出信息为智能汽车的航向估计值、航向变化率的估计值及总扰动的估计值；所述ESO的状态空间方程为： 式中：，， 为ESO的状态量矩阵，、及分别为、及的估计值，为ESO状态量矩阵的系数矩阵，为ESO输入控制量的系数矩阵，为ESO的增益系数矩阵；选择ESO增益使特征多项式为赫尔维茨多项式；为了简单调优，ESO极点被配置在，且；所述为ESO的带宽，定义 步骤4：确定PD状态反馈控制律 将步骤3所述ESO对智能汽车实时的航向估计值、航向变化率的估计值、总扰动的估计值以及步骤2中所述跟踪微分器的输出信息输入到PD中，通过PD建立PD状态反馈控制律；所述PD状态反馈控制律为： 式中：为PD状态反馈控制律，均为PD增益系数且满足，选择PD增益系数使特征多项式为赫尔维茨多项式；取PD带宽为； 步骤5：确定ADRC控制律 将步骤3中ESO对总扰动的估计值补偿到步骤4中PD状态反馈控制律输出，进而确定ADRC控制律为： 步骤:6：计算前轮转角控制律 将步骤2中计算得到的航向误差及其变化率输入到基于RBFNN的前馈补偿器中，所述基于RBFNN的前馈补偿器通过RBFNN权值自适应律实现权值实时更新，进而实时估计ESO无法估计到的稳态扰动并直接进行补偿，最终得到ADRC控制律与基于RBFNN的前馈补偿器的估计值相叠加的前轮转角控制律，实现将ADRC控制律及基于RBFNN的前馈补偿器构成复合横向主动抗干扰控制方法，完成所述高速智能汽车横向主动抗干扰控制系统的闭环反馈与前馈调节； 所述基于RBFNN的前馈补偿器为： 式中：；为基于RBFNN的权值，隐藏层的激活函数表示为： 式中：为输入向量；为第个节点的中心值向量；为第个节点的高斯基函数的基宽值向量；RBFNN的理想输出和实际输出分别为： 式中：和依次为理想和实际的RBFNN权值；假定为一个很小的正实数，则满足，其中为基于RBFNN的前馈补偿器需要消除的稳态扰动；定义RBFNN逼近误差，由于是有界的，假设误差上界为；RBFNN网络实际输出值与满足： 式中：； 所述RBFNN权值自适应律为： 式中：，，和均为设定的参数；为RBFNN的输入矩阵，为矩阵的范数；为设定的系数矩阵且满足和；矩阵是对称正定的且满足，其中，，且为一个大于0的参数，为设定的矩阵且； 所述ADRC控制律与基于RBFNN的前馈补偿器的估计值相叠加的前轮转角控制律为： 式中：为基于RBFNN的前馈补偿器的估计值； 步骤7：进行横向主动抗干扰控制 对由步骤6确定的最终前轮转角施加控制约束及进行滤波处理，将其作为控制信号以固定频率下发给智能汽车，智能汽车根据最终前轮转角对智能汽车进行横向主动抗干扰控制；进一步地，判断智能汽车是否到达目的地，若是，则车辆完成控制任务，否则转步骤1。

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大连理工大学，其通讯地址为：116024 辽宁省大连市高新园区凌工路2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。