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！

龙图腾网获悉吉林大学申请的专利一种基于参数自适应的变道场景横纵向解耦控制方法及应用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：CN119821425B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510145562.3，技术领域涉及：B60W50/00；该发明授权一种基于参数自适应的变道场景横纵向解耦控制方法及应用是由朱冰;汤瑞;赵健;张培兴;李文旭;王帅;张锡智;曹昕然设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本一种基于参数自适应的变道场景横纵向解耦控制方法及应用在说明书摘要公布了：本发明属于自动驾驶汽车底盘控制技术领域，提供一种基于参数自适应的变道场景横纵向解耦控制方法及应用，首先基于分层规划的变道轨迹生成过程，结合路径规划结构生成合理的换道轨迹；再基于遗传寻优与神经网络的自适应轨迹跟踪过程，通过测试数据优化生成最佳换道控制参数，最后结合神经网络算法训练控制参数模型，实现针对特定换道工况的最优控制过程。本发明通过自适应识别变道场景完成高实时性、高舒适性、高稳定性驾驶任务，并结合变道过程工况实时识别以调整自身控制行为，从而实现高性能的控制效果输出。

本发明授权一种基于参数自适应的变道场景横纵向解耦控制方法及应用在权利要求书中公布了：1.一种基于参数自适应的变道场景横纵向解耦控制方法，其特征在于：包括以下步骤： 步骤一、变道场景初始化与轨迹簇生成：初始化变道场景，将自动驾驶汽车的变道过程抽象为矢量过渡过程，将变道轨迹转换为变道场景要素的组合，包括主车初始车速，终点横轴车速，终点纵轴车速，轨迹纵向间距，轨迹横向间距；使用五次多项式进行预规划，计算出数组适用结果，产生变道轨迹簇，并保留变道场景要素备用； 步骤二、轨迹评价指标设计与最优轨迹选取：设计舒适性指标和通行效率指标对变道轨迹进行合理评价，舒适性指标表述为变道过程中加速度变化率的极值，通行效率指标表示为完成变道任务的时间长度；设计归一化权值，对各项子指标进行加权运算，并选取评价得分最高的规划轨迹为最佳变道轨迹； 步骤三、轨迹跟踪算法设计与待调参数获取：采用横纵向解耦控制算法，对横纵向轨迹跟踪过程进行分开控制，纵向采用考虑速度、位置双环的PID算法，横向采用LQR算法；构建变道轨迹跟踪控制算法模型，获得所需调参的控制参数； 步骤四、控制参数区间与轨迹跟踪指标设计：设计各控制参数取值范围，从轨迹跟踪效果、变道过程舒适性两方面设计轨迹跟踪效果评价指标，步骤如下： 41）初始化步骤三中确定的各控制参数取值区间，对各控制参数进行范围限制：和在0.01到100之间，和在0.001到10之间，和在0.0001到1之间，首先对控制参数求对数，再进行后续遗传寻优操作；LQR算法中的Q矩阵和R矩阵均为对称正定矩阵，仅调整对角线元素，Q矩阵维度与系统状态向量的维度一致，即如果状态向量是n维的，则Q矩阵是n×n的矩阵，R矩阵维度与系统控制向量的维度相同，即如果控制向量是m维的，则R矩阵是m×m的矩阵；Q、R矩阵对角线元素的取值均为0到10之间； 42）设计轨迹跟踪效果函数，具体如下： 轨迹跟踪效果函数：以实际跟踪控制过程的轨迹偏移量最大值表征： ， ， 式中，为计算得出的轨迹偏移量最大值，为t时刻计算的理论轨迹和实际轨迹的欧式距离； 变道过程舒适性：以实际变道过程的加速度变化值表征： ， 步骤五、变道场景下最优控制参数遗传寻优：通过选择、交叉、变异三个遗传算子、编码、解码操作以及个体适应度计算，优化得出该场景下的最佳控制参数，步骤如下： 51）遗传算子初始化参数设计：设计编码方式、解码方式、选择、交叉、变异方式，并给出遗传算法超参数取值； 设计编码方式为0-1二进制编码；解码方式为：从0-1编码转换到原始的实数数值；选择方法为：轮盘赌选择；交叉概率为：交叉方式为：单点交叉；变异方式为：单点变异； 52）根据控制参数的取值范围，使用遗传算法快速搜索出适应度最高的遗传编码，针对每一个变道场景要素组合A，通过遗传算法优化得出此场景下的最佳控制参数组合B，适应度函数为所述的轨迹跟踪效果函数C；设计最大迭代次数和种群规模，由此找到该变道场景下控制效果最佳的算法参数； 步骤六、批量变道场景自动化循环测试：步骤一得出的主车初始车速，终点横轴车速，终点纵轴车速，轨迹纵向间距，轨迹横向间距共计5个变道场景要素，定义各场景要素类型的取值范围，并进行离散处理，获得所有需要计算最佳控制参数的变道场景；选择仿真测试平台，设计自动化循环仿真测试流程，进行自动化轨迹生成与评价，轨迹跟踪仿真测试，控制参数遗传寻优过程；结合自动化仿真测试平台，重复步骤一、二、三、四、五、六，并保存测试场景与控制参数数据； 步骤七、变道场景与控制参数数据预处理：将步骤六中保存的数据进行归一化预处理，划分训练集与测试集； 步骤八、初始化并训练BP神经网络：确立网络的输入、输出与内部层级；训练完成后保存网络，即可用于不同变道场景的自适应控制。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。