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！

龙图腾网获悉吉林大学申请的专利一种基于物理信息神经网络的模型预测控制轨迹跟踪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：CN120143631B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510624440.2，技术领域涉及：G05B13/04；该发明授权一种基于物理信息神经网络的模型预测控制轨迹跟踪方法是由陈国迎;赵选铭;高镇海;高正;王鑫煜;王佳琦设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于物理信息神经网络的模型预测控制轨迹跟踪方法在说明书摘要公布了：本发明适用于自动驾驶车辆控制技术领域，提供了一种基于物理信息神经网络的模型预测控制轨迹跟踪方法，包括：将神经网络与基于物理的动力学模型深度结合；将物理信息神经网络动力学模型作为预测模型，根据车辆状态和参考轨迹建立成本函数和约束，形成最优控制问题并求解，获得期望的控制量；进行轮速控制和转向系统控制，运用前馈加反馈的控制思想，调节驱动系统和转向系统，实现期望的控制量。本发明不仅优化了模型性能，降低了过度拟合风险，提升了计算效率，还增强了模型的可解释性与物理保证；通过构建成本函数和约束条件，并运用前馈加反馈控制思想调节执行器，实现自动驾驶车辆精准的轨迹跟踪，有效提升了自动驾驶系统的性能和可靠性。

本发明授权一种基于物理信息神经网络的模型预测控制轨迹跟踪方法在权利要求书中公布了：1.一种基于物理信息神经网络的模型预测控制轨迹跟踪方法，其特征在于，包括以下步骤： 步骤S1：物理信息神经网络动力学建模； 将神经网络与基于物理的动力学模型深度结合，提高模型保真度并保证模型的物理特性； 步骤S2：建立模型预测控制轨迹跟踪方法； 将物理信息神经网络动力学模型作为预测模型，根据车辆状态和参考轨迹建立成本函数和约束，形成最优控制问题并求解，获得期望的控制量； 步骤S3：执行器调节； 包括轮速控制和转向系统控制，运用前馈加反馈的控制思想，调节驱动系统和转向系统，实现期望的控制量以跟踪参考轨迹； 所述步骤S1的具体步骤如下： 步骤S11：建立基于物理的动力学模型； 采用三自由度动力学模型描述车辆状态的变化，包括速度、质心侧偏角和横摆角速度，同时采用Fiala轮胎模型描述轮胎的纵侧向力耦合特性； 三自由度动力学模型公式如下： ； 式中，分别为车辆速度、质心侧偏角和横摆角速度的变化率；为前轮纵向力，为前轮侧向力，为后轮纵向力，为后轮侧向力；为前轮转角；为质心侧偏角；为车辆质量；为车辆速度；为横摆角速度；为车辆的转动惯量；和分别为车辆质心到前轴和后轴的距离，轴距； 步骤S12：训练物理信息神经网络动力学模型； 采用物理信息神经网络对车辆动力学进行建模，融合数据驱动和物理驱动的建模优势，采用神经网络进行编码估计车辆的动力学参数，并通过物理约束保证神经网络输出的合理性，然后通过基于物理的动力学模型进行解码，获得车辆状态； 所述步骤S12的具体过程如下： 采集双移线和稳态圆周工况下的车辆数据，包括车辆的速度、质心侧偏角、横摆角速度、前轮转角和轮速，将作为状态量，作为控制量，形成数据集，输入给物理信息神经网络进行训练； 物理信息神经网络以三个采样时间的状态量和控制量作为输入，采用包含四个具有16个神经元的隐藏层，分别为两个全连接层和两个门控循环单元层，输出层采用Sigmoid激活函数，并通过参数的最大值和最小值来实现物理约束，限制物理神经网络的输出，公式如下： ； 式中，分别为两个全连接层的输出；分别为两个门控循环单元层的输出；为输出层的输出；为全连接层；为门控循环单元；为激活函数；为网络的输入；和为隐藏状态；为网络的权重；为网络的偏置；为动力学参数。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。