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！

龙图腾网获悉辰鳗科技集团有限公司申请的专利基于辅助服务的车联网AI柔性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：CN120949593B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511493258.4，技术领域涉及：G05B13/04；该发明授权基于辅助服务的车联网AI柔性控制方法是由朱越洋设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本基于辅助服务的车联网AI柔性控制方法在说明书摘要公布了：本发明公开了基于辅助服务的车联网AI柔性控制方法，包括以下步骤：S1：通过部署在车辆、路边单元及云端的多模态传感器采集原始环境数据，所述原始环境数据包括车辆运行原始数据、道路环境原始数据、用户行为原始数据、可见光图像、红外热成像数据及毫米波雷达点云数据；S2：构建跨模态特征对齐网络，对可见光图像、红外热成像数据及毫米波雷达点云数据进行时空对齐与特征融合，生成环境融合特征图；S3：基于深度强化学习模型生成柔性控制策略模型，所述深度强化学习模型包括模糊隶属度计算模块、策略优化模块及多目标奖励函数设计。本发明实现了多模态融合感知，动态策略适配场景，并且资源协同提升效率。

本发明授权基于辅助服务的车联网AI柔性控制方法在权利要求书中公布了：1.基于辅助服务的车联网AI柔性控制方法，其特征在于，包括以下步骤： S1：通过部署在车辆、路边单元及云端的多模态传感器采集原始环境数据，所述原始环境数据包括车辆运行原始数据、道路环境原始数据、用户行为原始数据、可见光图像、红外热成像数据及毫米波雷达点云数据； S2：构建跨模态特征对齐网络，对可见光图像、红外热成像数据及毫米波雷达点云数据进行时空对齐与特征融合，生成环境融合特征图； S3：基于深度强化学习模型生成柔性控制策略模型，所述深度强化学习模型包括模糊隶属度计算模块、策略优化模块与多目标奖励函数； 其中，模糊隶属度计算模块用于量化输入特征的模糊属性，其输出为输入特征对各模糊集合的隶属度值； 策略优化模块用于基于隶属度值及多目标奖励函数，通过梯度下降法进行策略迭代优化，最小化控制误差并最大化综合奖励，最终输出符合场景需求的动态控制参数； 柔性控制策略模型的输入包括： 环境融合特征图提取的压缩向量Xf； 由车辆运行原始数据预处理得到的车辆状态向量Xs； 由用户行为原始数据提取的用户偏好向量Xp； 输出为辅助服务的动态控制参数； S4：在服务协同管理平台中部署冲突消解模块，基于柔性控制策略模型动态分配计算资源与通信资源; 所述步骤S1中的车辆运行原始数据包括车速、加速度、转向角、制动状态及故障代码的实时传感器读数，数据采样频率为10Hz，其中制动状态以二进制0表示未制动，1表示制动，故障代码以数字编码表示故障类型及等级； 所述步骤S3中的车辆状态向量Xs通过以下步骤生成： 对车辆运行原始数据进行预处理，获取到预处理后的数据； 从预处理后的数据中提取特征，包括时域特征与频域特征； 时域特征基于原始数据的时间序列计算： 车速的动态变化率通过对相邻两个采样周期的车速差值与采样时间间隔，即0.1s的比值计算获取，即vt−vt−10.1； vt为当前采样周期的车速值；vt−1为前一个采样周期的车速值； 加速度峰值为在10个采样周期，即1s内的滑动窗口内提取加速度的最大值； 转向角波动频率为统计10个采样周期内转向角变化方向的切换次数，即正方向或者负方向的切换次数； 制动状态持续时长，即当制动状态为1时，连续采样次数与采样周期的乘积； 故障代码出现频次：统计600个采样周期，即60s内故障代码非0值的出现次数； 频域特征通过对预处理后的原始数据进行傅里叶变换得到： 发动机振动主频为对加速度时间序列进行傅里叶变换，取功率谱密度最大的频率值； 底盘共振频率为对转向角时间序列进行傅里叶变换，取次大功率谱密度对应的频率值； 通过预设规则对车辆实时运行状态进行分类，获取到车辆状态分类结果； 通过特征选择算法筛选特征：即将车辆状态分类结果作为决策属性集D，选择γiτ的特征构成维度压缩后的车辆状态向量Xs； 采用灰色关联分析法，将车辆状态分类结果作为决策属性集D； 计算提取出的时域特征及频域特征与D的关联度γi； 选择γiτ的特征构成维度压缩后的车辆状态向量Xs。

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辰鳗科技集团有限公司，其通讯地址为：610095 四川省成都市高新区天府大道北段1480号9号楼4栋7层1号707；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。