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基于深度集成网络自适应卡尔曼滤波的路面附着系数估计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：CN114590264B 。

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：202210248477.6，技术领域涉及：B60W40/064；该发明授权一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法是由王海;石轩宇;蔡英凤;陈龙;孙晓强;刘擎超;李祎承设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法在说明书摘要公布了：本发明公开了一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法，本发明基于常规车载传感器信号，无需借助视觉图像信息，避免了因高速行驶时图像质量较差导致的估测失准，且降低了对算法性能的要求，便于了方案的实施与应用。本发明的方法兼具了深度预测网络和卡尔曼观测器的优点，是一种准确性较高且泛化性较好的路面附着系数预测方法，可有效提升路面附着系数估计的准确性，为极限工况行驶车辆提供了更加准确的控制依据。引入强化学习理论对深度网络进行优化，避免了因训练误差导致的路面附着系数估计值溢出正常值的情况。

本发明授权一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法在权利要求书中公布了：1.一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法，其特征在于，包括：S1：采集不同工况下的训练数据，并进行归一化处理；S2：搭建深度集成预测网络，利用采集的数据进行网络训练，并配置强化学习算法进行网络优化；S3：训练完成的深度集成网络将基于车辆状态信息计算预测值和不确定性误差的均值，同时，基于Dugoff轮胎模型计算横向力和纵向力；S4：利用车辆三自由度模型建立目标运动方程，并进行离散化、线性化处理；S5：根据深度集成网络输出的估计值均值和不确定性误差均值不断更新观测变量和观测噪声协方差矩阵，基于扩展卡尔曼滤波迭代进行状态量的预测与校正，最终获得最优的路面附着系数估计值；所述S1中数据采集是在Carsim与Simulink环境下的不同工况的数据，利用Carsim整车动力学模型，与MatlabSimulink进行联合仿真，设置直线行驶、定圆转向、8字型转向和S型移线四种典型工况，车速范围为10kmh≤v≤100kmh，车速间隔为5kmh；路面附着系数范围为0.05≤μ≤1，路面附着系数间隔为0.05，在不同的工况、车速、路面附着情况下对所需信号ax、ay、vx、vy、δ、ni、r进行采样，其中，ax和ay分别为纵、横向加速度、vx和vy分别为纵、横向速度、δ为前轮转角、ni为前轮转速、r为横摆角速度，单次采样时间为60s，采样频率为20Hz，对数据进行归一化处理，通过遍历每一个数据，将最大值xmax和最小值xmin的记录下来，并以xmax和xmin作为基数进行数据的归一化处理： 所述S2搭建的深度集成预测网络，利用采集的数据进行网络训练，配置强化学习算法进行权重优化，网络包含两层包含128个隐藏单元的全连接层，生成的序列特征向量输入256维单元状态的LSTM层从而产生新的特征向量，构建四个同样的网络分别用于不同的行驶工况数据的训练，将得到的数据集划分训练集、验证集、测试集，其中，归一化后的信号ax、ay、vx、vy、δ、ni、r为输入，对应附着系数为输出标签，损失函数选择为均方根误差RMSE，优化器选择为Adam，batchsize设置为2000，学习率设置为0.001，使用tensorflow深度学习框架对网络模型进行训练；其中，损失函数均方根误差RMSE的计算公式为： 其中，T为样本数量，为预测值，yt为真实值，并使得σiNN＝RMSE；最后，将LSTM的结果通过一个全连接层来获得一个网络的估计值μiNN和不确定性误差σiNN；为避免预测的路面附着系数μiNN±σiNN超过路面附着系数正常值范围[0,1]，通过Q-learning强化学习不断给予奖惩反馈，执行动作修正网络的权重与偏置，使路面附着系数的估计值稳定在正常值范围，缓解估计值溢出现象；所述S3中，将目标路段实车实时信息经深度集成网络计算得到四个预测值μiNN和经RMSE计算得到的方差σiNN，并计算求得均值μo和方差 所述S3中，基于Dugoff轮胎模型计算横向力和纵向力：输入前轮转角δ、车轮转速ni、纵横向加速度ax和ay、纵横向速度vx和vy，得到轮胎的纵向力和横向力关于路面附着系数的函数表达形式： 其中，Fxi、Fyi分别为轮胎的纵向力和横向力，其中i＝f表示前轮，i＝r表示后轮；Cx为轮胎纵向刚度；μi表示路面附着系数；Cy为轮胎侧偏刚度；αi为车轮的侧偏角；λi为车轮滑移率；Fzi为车轮的垂直载荷；fL为与λi、αi、Cx、Cy、Fzi相关的表达函数。

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”。