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！

龙图腾网获悉杭州电子科技大学申请的专利一种面向混合扰动的异质网联车队的智能鲁棒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：CN117872766B 。

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：202410054739.4，技术领域涉及：G05B13/04；该发明授权一种面向混合扰动的异质网联车队的智能鲁棒控制方法是由翟春杰;詹一笑;陈宏磊;陈楚翘;宋慧;王博;颜成钢设计研发完成，并于2024-01-15向国家知识产权局提交的专利申请。

本一种面向混合扰动的异质网联车队的智能鲁棒控制方法在说明书摘要公布了：本发明公开了一种面向混合扰动的异质网联车队的智能鲁棒控制方法，该方法首先综合输入时延、不确定参数和外部扰动，建立车辆i的三阶纵向动力学模型。其次基于建立的三阶纵向动力学模型，选择控制目标，设计基于深度强化学习算法的上层协调控制策略。最后基于上层协调控制策略的输出，设计滑模跟随控制器和多目标扰动观测器，完成车队控制。本发明增加辅助控制输入补偿复杂扰动，避免了训练困难的问题的同时又没有牺牲车队的整体性能，并显著提高对复杂环境的适应性和响应速度。

本发明授权一种面向混合扰动的异质网联车队的智能鲁棒控制方法在权利要求书中公布了：1.一种面向混合扰动的异质网联车队的智能鲁棒控制方法，其特征在于，包括以下步骤： 步骤1、综合输入时延、不确定参数和外部扰动，建立车辆的三阶纵向动力学模型； 所述的三阶纵向动力学模型为： ； 其中和分别是车辆的位置、速度、加速度和期望加速度；是车辆发动机滞后参数的标称值；和分别是车辆用来补偿不确定因素的控制输入和集总扰动； 所述集总扰动包括输入时延、不确定参数和外部扰动； 步骤2、基于三阶纵向动力学模型，选择控制目标，设计基于深度强化学习算法的上层协调控制策略，具体过程为： 步骤2.1、时刻车辆与前车实际间距表示为： ； 其中，为车辆的车长；在行驶过程中，内部稳定性控制目标为：减小，其中，表示相邻车辆之间的期望固定间距； 队列稳定性控制目标为：设置最小距离和最大距离；安全性控制目标为： ； 设置加速度最大值和加速度最小值；驾乘舒适性控制目标为： ； 定义车辆的状态误差为： ； ； ； 车队行驶跟随高效性控制目标为：减小，及； 步骤2.2、在GuideActor-Critic算法中，输入为状态变量，包括时刻车辆与前车实际间距与期望间距之间的偏差，车辆与前车的速度偏差，车辆与前车的加速度偏差,车辆与领头车的速度偏差；输出为控制变量，即车辆在时刻的期望加速度； 奖励函数包括奖励部分和惩罚部分；其中，奖励部分设计为： ； 其中，、和是奖励部分对应权重；和分别为满足队列稳定性、行驶跟随高效性和驾乘舒适性对应的奖励项，定义为： ； ； ； 其中，、、、是权重参数，为指数函数； 惩罚项用于惩罚训练过程中间距偏差过大的情况，设计为： ； 由此，奖励函数表示为： ； 步骤2.3、以二阶同质车队为训练对象获取神经网络参数，作为上层决策控制器； 步骤3、基于上层协调控制策略的输出，设计滑模跟随控制器和多目标扰动观测器，完成车队控制。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。