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！

龙图腾网获悉北京航空航天大学申请的专利面向循环场景的自动驾驶车辆迭代学习控制进化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：CN121541472B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511731061.X，技术领域涉及：G05B13/04；该发明授权面向循环场景的自动驾驶车辆迭代学习控制进化方法是由张辉;张年华;孙珩凯设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本面向循环场景的自动驾驶车辆迭代学习控制进化方法在说明书摘要公布了：本发明公开了面向循环场景的自动驾驶车辆迭代学习控制进化方法，涉及自动驾驶车辆控制领域。首先，对循环场景下的自动驾驶车辆进行离线控制器设计，并得到相应场景下的参考状态。然后，基于参考状态，并考虑离线控制器设计中难以遍历的影响因素，进行在线控制器设计。最后，通过迭代学习持续进化在线控制器，直至学习过程收敛，达到最优控制效果。基于最优控制效果，自动驾驶车辆在循环场景下运动状态收敛至期望状态，执行相应场景下任务。本发明保证了在线控制器的有效性和实时性，避免了迭代过程的误差累积，提升无人系统安全性。

本发明授权面向循环场景的自动驾驶车辆迭代学习控制进化方法在权利要求书中公布了：1.面向循环场景的自动驾驶车辆迭代学习控制进化方法，其特征在于，具体步骤如下： 步骤一，针对循环场景中的自动驾驶车辆，进行离线控制器设计，得到车辆初始控制系统和参考状态； 离线控制器的设计过程为： 首先，针对循环场景，基于Frenet坐标系，在第次迭代中，对应时刻下，由车辆的状态 向量和控制向量组成车辆闭环控制系统，表示为： 为车辆状态向量，为车辆控制向量； 然后，定义车辆的期望状态，则车辆的参考状态为； 最后，离线控制器的设计目标表示为：在车辆闭环控制系统的约束下，最小化控制误差； 步骤二，自动驾驶车辆在参考状态的基础上，采用MPC控制器作为最优控制器，并进行控制器设计，构建迭代学习控制问题； 迭代学习控制问题的构建过程为： 基于参考状态得到最优控制律为： 1 其中，为与向量同维度的参考状态向量，表示6维实数向量空间， 为维正定对称矩阵，表示维实数矩阵空间，为最优控制律的隐式函数 表达式，满足； 在最优控制律的基础上，针对离线控制器设计中难以遍历的影响因素，构建以下迭代学习控制问题： 2 其中，为上一次迭代中记录的数据集，为迭代学习损失函数，用以在第次迭代过程中，使用第次 循环数据进化控制律； 循环场景下，将迭代学习控制问题构建为： 其中为迭代学习损失的隐式函数表达式； 步骤三，在循环场景中，自动驾驶车辆执行任务，并在每次执行任务中迭代历史数据，通过数据驱动实现迭代学习控制问题在线进化，直至学习过程收敛，达到最优控制效果； 步骤四，基于最优控制效果，自动驾驶车辆在循环场景下运动状态收敛至期望状态，执行相应场景下任务。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。