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！

龙图腾网获悉江苏大学申请的专利一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备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：CN114995426B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210627864.0，技术领域涉及：G05D1/43；该发明授权一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备是由蔡英凤;曹秀辰;李祎承;廉玉波;钟益林;孙晓强;陈龙;何友国设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备在说明书摘要公布了：本发明公开了一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备，在基于神经网络的动力学模型中，使用全连接前馈神经网络设计了神经网络模型，模型有两层隐藏层，每层有64个神经元，使用ReLU激活函数，模型的输入为当前时刻的车辆状态与控制指令，输出为下一时刻的车辆状态，该神经网络通过最小化预测的输出状态和观测的输出状态之间的均方误差来学习动态方程。基于神经网络动力学模型设计的ILQR控制器内包含迭代线性二次型调节器的控制算法，通过最小化成本函数求得最优控制指令，实现对参考轨迹的跟踪。本发明相比于端到端的控制，所提出的方案可解释性更强，在保证轨迹跟踪精度的同时，兼顾了横向和纵向稳定性。

本发明授权一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备在权利要求书中公布了：1.一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法，其特征在于，包括： S1、建立基于神经网络的动力学模型；使用全连接前馈网络设计神经网络模型，模型有两层隐藏层，每层有64个神经元，每个神经元使用ReLU激活函数，模型的输入为当前时刻的车辆状态与控制指令，输出为下一时刻的车辆状态，该神经网络通过最小化预测的输出状态和观测的输出状态之间的均方误差来学习动态方程； S2、设计迭代线性二次型调节器的控制算法； S3、根据S2的控制算法建立轨迹跟踪控制器； 所述S1的具体实现包括： 设表示状态，表示在离散时刻t的系统控制指令，系统动态由下式给出： xt+1＝fxt,ut1 车辆系统状态由给出，其中vt是在时刻t的线速度，是在时刻t的转向角速度，控制指令由给出，其中pt是油门踏板输入，bt是制动输入，是在时刻t的指令转向角速度，得出车辆的动态方程f如下式： 其中，xt，ut作为神经网络模型的输入，xt+1作为神经网络模型的输出，该神经网络通过最小化预测的输出状态和观测的输出状态xt+1之间的均方误差来学习动态方程f； 所述S2的具体实现包括： 针对非线性离散动态系统： xt+1＝fxt,ut3其中，是系统状态，是在时刻t的控制指令； 迭代线性二次型调节器控制算法分为线性化、LQR的反向传递和前向传递三部分： 在线性化部分，将线性二次型调节器中非线性动态展开成一阶，成本展开成二阶， 其中，为在状态时生成的最优控制序列，则下一个状态为 为对应于状态xt及控制ut的函数的导数，cxt,ut为在状态xt及控制输入ut下的成本函数； 将上式4进行重排列： 将作为新的状态，作为新的控制输入，则下一个状态为Qδxt,δut为在状态δxt及控制输入δut下的成本函数，从而得到： 其中， 二次部分的系数矩阵其中，代表矩阵Ct的左上角部分，代表矩阵Ct的右上角部分，代表矩阵Ct的左下角部分，代表矩阵Ct的右下角部分，线性部分的系数矩阵其中，代表矩阵ct的上半部分，代表矩阵ct的下半部分； 在LQR的反向传递部分，通过最小化成本函数Qδxt,δut求得最优控制，在时刻t时，通过计算成本函数Qδxt,δut的一阶导数为零时的δut来得到在此时刻的最优控制；即令 可得到时刻t的最优控制 将式8展开并用矩阵Kt及kt来表示，于是得到： 将式10带入式6的成本函数Qδxt,δut中，将新得到的成本函数记为Vδxt： 将式11展开得到： 对展开式进行适当简化，将其看作形如的二次项与一次项的和，其中，矩阵Vt及vt分别为： 其中，系数矩阵表示矩阵Ct的下半部分； 在时刻t-1时，有式14成立： 则从时刻t到时刻t-1所产生的成本函数为： 再由可得： 则成本函数Qδxt-1,δut-1表示为： 其中，t-1时刻二次部分的系数矩阵其中，代表矩阵Qt-1的左上角部分，代表矩阵Qt-1的右上角部分，代表矩阵Qt-1的左下角部分，代表矩阵Qt-1的右下角部分，线性部分的系数矩阵其中，代表矩阵qt-1的上半部分，代表矩阵qt-1的下半部分，在时刻t-1时，通过计算成本函数Qδxt-1,δut-1的一阶导数为零时的δut-1来得到在此时刻的最优控制，即令 得到时刻t-1的最优控制： δut-1＝Kt-1δxt-1+kt-119 其中将式20带入式17中，对展开式进行简化处理得到： 其中，系数矩阵表示矩阵Qt-1的下半部分； 在LQR的前向传递部分，该过程要和真实的非线性系统进行交互，得到新的真实轨迹， 其中，为在状态时生成的最优控制序列，则下一个状态为参数α通过回溯行搜索进行调整，将时刻N的状态与相结合从而得到新的轨迹。

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”。