Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东海洋大学陈启鸿获国家专利权

广东海洋大学陈启鸿获国家专利权

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!

龙图腾网获悉广东海洋大学申请的专利基于TSSZNN-DC1/2的互联自动驾驶车辆编队动态约束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:CN120371018B

龙图腾网通过国家知识产权局官网在2026-03-27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:202510860587.1,技术领域涉及:G05D1/695;该发明授权基于TSSZNN-DC1/2的互联自动驾驶车辆编队动态约束控制方法是由陈启鸿;颜剑;陈春程;林镇涛;吴可儿;肖秀春设计研发完成,并于2025-06-25向国家知识产权局提交的专利申请。

基于TSSZNN-DC1/2的互联自动驾驶车辆编队动态约束控制方法在说明书摘要公布了:本发明公开了一种基于TSSZNN‑DC12的互联自动驾驶车辆编队动态约束控制方法,其包括以下步骤:构建互联自动驾驶车辆编队的动态约束控制系统;构建TSSZNN‑DC1离散模型和TSSZNN‑DC2离散模型,实现在一定情况下更优化的互联自动驾驶车辆编队动态约束控制。本发明在TSSZNN‑DC1离散模型和TSSZNN‑DC2离散模型设计中设计并采用了基于拓扑反馈的时变有界衰减系数,使得模型在具有更快收敛速度的同时减少因数据过大造成的系统负担,同时设计基于误差范数增益的强有界约束函数,对车辆编队进行动态约束控制,更符合实际交通场景下的编队情况,并且还采用了基于误差的逐步增益系数,增强了模型的抗干扰性能,该模型具有收敛速度快、高精度、低时延、抗干扰能力强等优点。

本发明授权基于TSSZNN-DC1/2的互联自动驾驶车辆编队动态约束控制方法在权利要求书中公布了:1.一种基于TSSZNN-DC12的互联自动驾驶车辆编队动态约束控制方法,其特征在于,包括以下步骤: S1、设置互联自动驾驶车辆的纵向动力学系统; S2、使用反馈线性化技术对互联自动驾驶车辆的纵向动力学系统方程进行处理并加入干扰,得到互联自动驾驶车辆的线性纵向动力学系统; S3、基于所得到的互联自动驾驶车辆的线性纵向动力学系统构建虚拟信号互联自动驾驶车辆的纵向动力学系统; S4、使用前向欧拉离散的方法对S2处理后的线性纵向动力学系统方程和S3得到的虚拟信号互联自动驾驶车辆的纵向动力学系统方程分别进行离散化处理,对应得到离散化的车队纵向动力学系统方程和离散化的虚拟纵向动力学系统; S5、根据离散化的车队纵向动力学系统方程和离散化的虚拟纵向动力学系统方程构建互联自动驾驶车辆编队动态约束控制系统方程及其误差函数; S6、根据离散化的车队纵向动力学系统方程和离散化的虚拟纵向动力学系统并且针对无向通信拓扑和有向通信拓扑分别构建TSSZNN-DC1离散模型和TSSZNN-DC2离散模型; S7、通过构建的TSSZNN-DC1离散模型和TSSZNN-DC2离散模型,对不同拓扑情况的互联自动驾驶车辆进行观测,并进行实况的动态约束控制,完成互联自动驾驶车辆编队动态约束控制; 步骤S6中TSSZNN-DC1离散模型和TSSZNN-DC2离散模型均包括分布式观测器、动态约束控制器、非线性流形、基于拓扑反馈的时变有界衰减系数,基于误差范数增益的强有界动态约束函数,基于误差的逐步增益系数,具体方法包括以下子步骤: S61、针对无向通信拓扑的TSSZNN-DC1离散模型的分布式观测器的表达式为: 其中,、和分别为每辆互联自动驾驶车辆对虚拟信号互联自动驾驶车辆的、和的观测值,为时间步长;,为互联自动驾驶车辆增强的拉普拉斯矩阵,其中为无向图的拉普拉斯矩阵,,其中为无向图的邻接矩阵,当第辆车与第辆车保持通信时,否则均为0,为的对角矩阵,,其中,,…,;为互联自动驾驶车辆与虚拟信号互联自动驾驶车辆的通信链路矩阵,当第辆信号互联自动驾驶车辆能与虚拟信号互联自动驾驶车辆通信时,,否则;,,;为符号函数,其表达式为: 为基于拓扑反馈的时变有界衰减系数,其表达式为:,其中、为待设置常数,表示取得矩阵的最小特征根值,表示抽样取值的时刻 TSSZNN-DC1离散模型的动态约束控制器的表达式为: 其中,、、为待设常数;、、为基于误差的逐步增益系数,表达式为:、、,、、为待设常数,表示二范数;整体表示为基于误差范数增益的强有界动态约束函数,其中误差范数增益的表达式为:,表示为一范数,其中表示为可设置边界,、,其中:,为加速度的可设上界,为加速度的可设下界;为非线性流形,其表达式为: S62、针对有向通信拓扑的TSSZNN-DC2离散模型的分布式观测器的表达式为: 其中为时间步长;其中为互联自动驾驶车辆有向通信拓扑图的拉普拉斯矩阵,并且分为两种拓扑情况,如下: 表示为前车跟随模式,表示为虚拟信号-前车跟随模式;表示为待设常数;,,;为符号函数,其表达式为: 为基于拓扑反馈的时变有界衰减系数,其表达式为:,其中、为待设置常数,,,,,表示取得矩阵的最小特征根值,表示抽样取值的时刻; TSSZNN-DC2离散模型的动态约束控制器的表达式为: 其中,、、为待设常数;、、为基于误差的逐步增益系数,表达式为:、、,、、为待设常数,表示二范数;整体表示为基于误差范数增益的强有界动态约束函数,其中误差范数增益的表达式为:,表示为一范数,其中表示为可设置边界,、,其中:,为加速度的可设上界,为加速度的可设下界;为非线性流形,其表达式为: 。

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广东海洋大学,其通讯地址为:524088 广东省湛江市麻章区海大路1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。