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！

龙图腾网获悉南京航空航天大学申请的专利一种线控底盘系统车路状态参数主动增强感知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：CN120057024B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510564085.4，技术领域涉及：B60W50/00；该发明授权一种线控底盘系统车路状态参数主动增强感知方法是由张自宇;王春燕;赵万忠;栾众楷;周小川;梁为何;张恒嘉;张志宾设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种线控底盘系统车路状态参数主动增强感知方法在说明书摘要公布了：本发明公开了一种线控底盘系统车路状态参数主动增强感知方法，包括：构建三自由度整车动力学模型；构建用于车辆状态参数估计的状态方程和量测方程，并实时估计得到车辆状态参数；构建道路状态参数识别数据集，并基于所述数据集训练图卷积神经网络；实时输出道路状态参数识别结果；得到未来时域内车路状态参数的变化信息；将当前车辆状态参数、当前道路状态参数及未来时域内的车路状态参数发送到线控底盘控制系统，完成线控底盘系统对车路状态参数的主动增强感知。本发明在对车路状态参数增强感知的基础上对车路状态参数未来时域内的变化进行预测，得到车路状态参数的长时域预测数据，主动增强线控底盘对车路状态参数的感知时域范围。

本发明授权一种线控底盘系统车路状态参数主动增强感知方法在权利要求书中公布了：1.一种线控底盘系统车路状态参数主动增强感知方法，其特征在于，步骤如下： 1构建包含车辆横摆运动、横向运动和纵向运动的三自由度整车动力学模型； 2基于所述步骤1中的整车动力学模型构建用于车辆状态参数估计的状态方程和量测方程，车辆状态参数包括：横摆角速度、质心侧偏角及横纵向车速；并采用卡尔曼滤波方法实时估计得到车辆状态参数； 3离线采集包含不同附着系数及坡度的道路图像信息，提取道路图像特征并进行道路类型及道路坡度数据标注，构建道路状态参数识别数据集，并基于所述数据集训练图卷积神经网络； 4实时采集车辆运行时道路图像信息并输入到步骤3中训练得到的网络模型中，实时输出道路状态参数识别结果； 5采用编解码网络对步骤2中的当前车辆状态参数和步骤4中的当前道路状态参数进行长时域预测，得到未来时域内车路状态参数的变化信息； 6将所述步骤2中的当前车辆状态参数、步骤4中的当前道路状态参数及步骤5中的未来时域内的车路状态参数发送到线控底盘控制系统，完成线控底盘系统对车路状态参数的主动增强感知； 所述步骤3具体包括： 31离线采集不同附着系数的道路图像，并对图像进行语义分割提取图像中的道路特征，针对道路附着系数μ，将道路类型划分为柏油路、混凝路、石子路、土路、积雪道路、结冰道路，对应的附着系数μ分别为0.75、0.75、0.6、0.55、0.25、0.15；同时对柏油路、混凝路、石路和土路进行进一步细分，包括湿润和积水情况，所对应附着系数μ分别为湿润柏油路0.65、积水柏油路0.6、湿润混凝路0.65、积水混凝路0.6、湿润石子路0.5、积水石子路0.45、湿润土路0.45、积水土路0.3，并记湿润柏油路为类型1、积水柏油路为类型2、湿润混凝路为类型3、积水混凝路为类型4、湿润石子路为类型5、积水石子路为类型6、湿润土路为类型7、积水土路为类型8、积雪道路为类型9、结冰道路为类型10，构建包含道路图像、道路附着系数标注和道路类型的数据集； 32离线采集不同坡度的道路图像，并对图像进行语义分割提取图像中的道路特征，将道路坡度分为横向坡度sh和纵向坡度sl，以度为单位对图像进行道路坡度s标注，构建包含不同道路图像和道路坡度标注的数据集； 33采用ResNet网络对道路附着系数进行识别，并在网络后接入全连接层和Softmax层，以所述步骤31中构建的数据集为训练集合，采用其中80％数据作为训练集，剩余20％数据为验证集，以道路图像数据为输入，以道路类型为输出对图卷积神经网络进行训练，训练得到的网络模型记为附着系数识别网络模型； 34采用轻量级的MobileNetv3网络对道路坡度进行识别，并在网络后接入全连接层，以所述步骤32中构建的数据集为训练集合，采用其中80％数据作为训练集，剩余20％数据为验证集，以道路图像数据为输入，以道路横向坡度和纵向坡度为输出对图卷积神经网络进行训练，训练得到的网络模型记为道路坡度识别网络模型。

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南京航空航天大学，其通讯地址为：210000 江苏省南京市秦淮区御道街29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”。