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！

龙图腾网恭喜江苏大学申请的专利一种自动驾驶商用车紧急转向控制策略网络模型、训练方法、建模方法及仿真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：CN114925461B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210748793.X，技术领域涉及：G06F30/15；该发明授权一种自动驾驶商用车紧急转向控制策略网络模型、训练方法、建模方法及仿真方法是由蔡英凤;朱子轩;陈龙;方啸;陆文杰;王海;董钊志;孙晓强设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种自动驾驶商用车紧急转向控制策略网络模型、训练方法、建模方法及仿真方法在说明书摘要公布了：本发明公开了一种自动驾驶商用车紧急转向控制策略网络模型、训练方法、建模方法及仿真方法，使用多任务划分的训练方法，同时结合可变高斯安全场模型以提高决策的安全性。使得在前方有障碍物，自身车辆又无法完成制动目标的情况下完成自动紧急转向，避免追尾或碰撞事故。本发明针对商用车的紧急制动转向问题，利用Matlab建模，并与Carla进行联合仿真的方法，解决了在无模型的强化学习中无法体现商用车重心高，易侧翻，质量大难制动等问题，保证了仿真实验的可靠性。本发明使用了多任务划分的强化学习方法，大大提高了训练效率。同时引入可变高斯安全场策略，保证了在决策和控制时，车辆控制具有较高的稳定性和避障安全性。

本发明授权一种自动驾驶商用车紧急转向控制策略网络模型、训练方法、建模方法及仿真方法在权利要求书中公布了：1.一种自动驾驶商用车紧急转向控制策略网络模型的训练方法，包括网络结构和相关训练方法，其特征在于，网络结构如下：策略网络pθz,p包括卷积特征提取网络和全连接网络两部分，其中z为策略网络的输入状态量，包括时序鸟瞰图矩阵和自车的当前位置；p为策略网络的输出，即商用车的导航点p＝xi,yi；θ为网络的权重和偏置参数；所述策略网络具体包括一层卷积层和三层全连接层，所述的卷积层Conv1由大小为2*2的卷积核组成，卷积核的个数为9*32，步长stride＝1，激活函数为ReLU；第一全连接层为全连接层FC1和全连接层FC1-σ，全连接层FC1处理展平后的卷积层Conv1输出结果，大小为2*2*9*32，激活函数为ReLU；全连接层FC1-σ输出为自车过去几个时刻的历史轨迹信息，大小为1024*1，激活函数为ReLU；第二全连接层为全连接层FC2，处理全连接层FC1和全连接层FC1-σ的拼接状态量，大小为4096*1，激活函数为ReLU；第三全连接层为全连接层FC3，处理全连接层FC2输出的状态量，大小为1024*1，激活函数为Tanh，最终全连接层FC3输出状态特征z；训练方法如下：包括横向控制训练；具体如下：以所导航点的坐标xi,yi、航向偏差和控制车辆的车速v、加速度为状态量： slane_keep为智能体进行车道保持训练时所获得的状态量；动作为方向盘转角asteer∈[-1,1]，此部分的奖励函数的设计以车辆当前坐标的横向误差x0和航向角偏差作为评价指标： λ1、λ2为奖励函数两部分所占权重；如果自动驾驶车辆在进行训练的过程中当前位置的横向偏差大于设定的最大横向偏差阈值x0max则结束当前回合的迭代训练进行下一回合的训练；还包括纵向控制训练，具体如下：纵向轨迹跟踪控制任务以当前车辆的车速v、加速度前方车辆的车速vl、加速度与前车的距离d和当前车辆的期望车速vdes为状态量： sacc为智能体进行纵向跟车控制训练时所获得的状态量；智能体的输出动作aacc∈[-1,1]，包括油门动作athrottle和刹车动作abrake： 针对纵向控制任务，奖励函数设计为： 其中，d为与前车的实时距离，ddes为与前车的期望距离，dsafe为与前车的安全距离，当智能车与前方车辆的距离小于安全距离，奖励为-100，同时停止当前的交互开始下一回合交互，在进行纵向训练时，每回合都随机给定前方车辆的车速vl和当前车辆的期望车速vdes，以便训练的模型泛化到更多复杂的情况；还包括决策行为训练；所述决策行为包括紧急制动和紧急转向， 当adecision为0时，决策模块选择紧急制动；当adecision为1时，决策模块选择向右进行紧急转向。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。