Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
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 科技服务 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 > 浙江大学郑黄楠获国家专利权

浙江大学郑黄楠获国家专利权

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!

龙图腾网获悉浙江大学申请的专利基于深度学习的电机电控刹车系统夹紧力自适应修正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:CN119611298B

龙图腾网通过国家知识产权局官网在2025-10-17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:202411962981.8,技术领域涉及:B60T8/174;该发明授权基于深度学习的电机电控刹车系统夹紧力自适应修正方法是由郑黄楠;肖凯凯;李睿航;李涛;王柯翰;潘之杰;吕攀;李红;杨国青设计研发完成,并于2024-12-30向国家知识产权局提交的专利申请。

基于深度学习的电机电控刹车系统夹紧力自适应修正方法在说明书摘要公布了:本发明公开了基于深度学习的电机电控刹车系统夹紧力自适应修正方法,属于底盘控制技术领域,方法充分考虑了使用过程中刹车片磨损的情况,针对刹车片磨损引起的非线性变化问题,引入深度学习神经网络优化控制策略,将电机旋转角度估算的夹紧力与实际夹紧力之间的复杂非线性关系建模为可预测的概率分布,进行自适应修正,从而在刹车片磨损条件下优化了夹紧力控制,有效应对刹车片磨损引发的动态变化,增强了系统控制的实时性,还大幅度提升了系统的预测精度和响应速度,全面增强了刹车系统的稳定性、可靠性和安全性,同时,避免了采用大量传感器进行实时夹紧力监测。

本发明授权基于深度学习的电机电控刹车系统夹紧力自适应修正方法在权利要求书中公布了:1.基于深度学习的电机电控刹车系统夹紧力自适应修正方法,其特征在于包括如下步骤: 步骤1:构建刹车系统数学模型; 基于刹车信号,电机旋转并输出扭矩,将旋转运动转化为刹车片的直线运动,使刹车片夹紧刹车盘进行刹车;根据电机旋转角度得到直线运动的位移,通过初始位置和所述位移计算刹车片夹紧刹车盘的卡钳变形,构建卡钳的形变与夹紧力的非线性关系,以建立电机旋转角度与夹紧力之间的关系; 通过行星齿轮减速器和滚珠丝杠进行建模,电机旋转角度与丝杠螺母位移之间的关系为: 其中,表示螺距,表示电机旋转角度,表示减速器的传动比; 根据所述螺母位移s与初始刹车间隙s0之间的差值,得到所述形变: 构建夹紧力与形变之间的非线性关系: 其中,表示夹紧力的系数; 步骤2:构建神经网络模型; 获取数学模型预测夹紧力,通过神经网络模型生成目标夹紧力,通过目标夹紧力修正实际夹紧力; 神经网络模型的损失函数采用均方误差,计算公式如下: 其中,表示真实值,表示样本数量,表示预测值; 神经网络模型采用多层感知器,使用激活函数来引入非线性特性,激活函数定义如下: 其中,z表示多层感知器的神经元输入,表示激活函数,用于将所有负值设置为零, 而保持所有非负值不变;每一层的输出计算如下: 其中,和分别表示上一层的权重和偏置,表示上一层的输出,表示当前 层的输出,作为下一层的输入,表示上一层的神经元输入; 所述神经网络模型通过训练多层感知机,调整权重和偏置以最小化损失函数,采用随机梯度下降作为优化算法,随机梯度下降的更新规则如下: 其中,表示神经网络模型的参数,包括权重和偏置,表示学习率,表示损失函数 相对于参数的梯度。

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浙江大学,其通讯地址为:310030 浙江省杭州市西湖区余杭塘路866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。