Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏大学孙晓强获国家专利权

江苏大学孙晓强获国家专利权

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压电型智能轮胎技术和BKA-GPR的轮胎三向力预测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:CN119598782B

龙图腾网通过国家知识产权局官网在2026-01-02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:202411558736.0,技术领域涉及:G06F30/23;该发明授权一种基于压电型智能轮胎技术和BKA-GPR的轮胎三向力预测方法是由孙晓强;全振强;蔡英凤;顾甜莉;戴伟烈;陈龙设计研发完成,并于2024-11-04向国家知识产权局提交的专利申请。

一种基于压电型智能轮胎技术和BKA-GPR的轮胎三向力预测方法在说明书摘要公布了:本发明公开了一种基于压电型智能轮胎技术和BKA‑GPR的轮胎三向力预测方法。构建了轮胎及PVDF聚偏二氟乙烯传感器的有限元模型,并结合Inp融合法建立了压电型智能轮胎模型;通过全局灵敏度分析,评估纵向力Fx、侧向力Fy和垂向力Fz变化对不同胎内位置的PVDF传感器电压输出的敏感性,确定了传感器的最佳安装位置;使用Sobol方法采集电压‑轮胎力数据集,并对接地印迹区域信号进行提取和归一化处理;根据数据特征设计轮胎力高斯过程回归Gaussianprocessregression,GPR模型,并通过黑翅鸢算法Black‑wingedkitealgorithm,BKA优化其超参数;通过随机森林Randomforest,RF算法确定最佳输入特征和数据规模,重新训练模型可得到低成本、高精度、稳定性和泛化性能良好的轮胎三向力预测模型。

本发明授权一种基于压电型智能轮胎技术和BKA-GPR的轮胎三向力预测方法在权利要求书中公布了:1.一种基于压电型智能轮胎技术和BKA-GPR的轮胎三向力预测方法,其特征在于,包括以下步骤: S1、建立轮胎和PVDF传感器有限元模型,在此基础上使用Inp融合法构建压电型智能轮胎有限元模型; S2、设计一阶主效应指标计算仿真方案,选定计算特征,计算轮胎力与PVDF输出电压的一阶主效应指标,确定传感器最优安装位置; S3、基于Sobol法设计电压-轮胎力数据集仿真工况,采集PVDF输出电压和轮胎力数据并进行数据预处理,形成可用于训练和测试的数据集; S4、基于电压-轮胎力数据集特征,选定GPR模型均值函数和协方差函数类型,构建GPR轮胎力预测模型通用训练流程; S5、利用BKA对步骤S4中得到的GPR模型进行超参数寻优方法的优化,获得BKA-GPR模型; S6、在步骤S5获得BKA-GPR模型的基础上,确定最优输入特征和最佳训练数据集规模,并重新训练轮胎力预测模型; 步骤S6具体包括以下步骤: S6-1、定义集合DS={xu,yu|u=1,2,3,…,m}=VT1norl,Data_Fnorl,其中:xu∈Rn为n维输入向量,即PVDF传感器电压值,yu∈R为对应于xu的输出标量,即轮胎力,m×n维输入矩阵则可表示为X=[x1,x2,…,xm]; S6-2、利用bootstrap方法有放回地从原始训练数据集合中重复抽取bb>0个子样本集,由此可构建b棵回归树,其中b个子样本集中的第ψψ0个特征可被定义为Xψ,在此基础上,通过袋外数据预测准确度评价模型的预测性能,形成误差矩阵,写作: ; S6-3、基于步骤S6-2获得的误差矩阵,计算所有特征Xψ的误差平均减小量为重要性得分,并进行降序排列;计算公式为: ; S6-4、利用序列前向搜索策略在当前输入特征集合中逐次添加重要性得分最高的特征,传递给步骤S5-5获得的优化GPR轮胎力预测模型进行训练,并测试获得当前输入特征集合预测误差,直至遍历所有输入特征;最后以预测误差最小的输入特征集合作为最优输入特征集合,并对数据集和进行最优特征筛选操作从而获得和; S6-5、在步骤S6-4获得最优特征提取处理后的训练集的基础上,以5%为增量,依次提取训练数据集提交给步骤S5-5优化GPR轮胎模型进行训练,并使用测试集进行测试,直至提取全部的训练数据集中的数据作为训练数据集为止,并记录每一次的测试误差;最后以预测误差最小的训练数据规模作为最佳的训练数据规模; S6-6、在获得的具备最优输入特征和最佳数据规模的训练数据集的基础上,结合设计的BKA-GPR轮胎力预测模型的通用训练方法,重新训练Fx、Fy和Fz预测模型; S7、将步骤S6重新训练完后的轮胎力预测模型,输入最优电压特征,输出轮胎力归一化预测值及其方差,再通过反归一化即可获得轮胎力实际预测值。

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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。