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 > 吉林大学王萍获国家专利权

吉林大学王萍获国家专利权

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!

龙图腾网获悉吉林大学申请的专利基于在线状态补偿MPC的车辆横向稳定性控制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:CN116394919B

龙图腾网通过国家知识产权局官网在2026-01-06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:202310593804.6,技术领域涉及:B60W30/02;该发明授权基于在线状态补偿MPC的车辆横向稳定性控制方法是由王萍;杨博雄;陈虹;胡云峰;曲婷设计研发完成,并于2023-05-25向国家知识产权局提交的专利申请。

基于在线状态补偿MPC的车辆横向稳定性控制方法在说明书摘要公布了:一种基于在线状态补偿MPC的车辆横向稳定性控制方法,属于车辆安全控制技术领域。本发明的目的是在线性二自由度车辆动力学模型的基础上,设计在线自适应神经网络,对低附着路面条件下引起的不确定性状态进行补偿的基于在线状态补偿MPC的车辆横向稳定性控制方法。本发明在线性二自由度车辆动力学模型的基础上,设计在线自适应神经网络,对低附着路面条件下引起的不确定性状态进行补偿,基于该补偿模型在模型预测控制框架下设计车辆横向稳定控制器,控制目标包括横摆角速度的跟踪和抑制侧向速度,并对侧向速度以及控制量进行约束。本发明不需要进行大量的离线训练就可有效对系统的状态量进行补偿,具有更好的泛用性。

本发明授权基于在线状态补偿MPC的车辆横向稳定性控制方法在权利要求书中公布了:1.一种基于在线状态补偿MPC的车辆横向稳定性控制方法,其特征在于:其步骤是: S1、利用在线自适应神经网络预测出模型侧向速度和横摆角速度的补偿值,并根据此补偿值在控制器中对预测模型偏移量进行实时的补偿; S01、在线自适应神经网络补偿:根据外部输入向量z=[Vycomγcom]自适应逼近Δε,如下所示 式中为状态补偿的近似变量,为第m个隐藏节点到输出节点的权重;am是随机选择的权重向量,连接输入层到第m隐节点,bm是第m个隐节点的随机选择偏差;G·为神经网络的激活函数; S02、将激活函数选择为Sigmoid函数: 式1改写为: 其中H=diagα1,α2,αi=[Ga1,b1,zGa2,b2,z…GaN,bN,z], S03、理想的输出权向量使未知非线性可以用一个非常小的有界逼近误差逼近,即 要实现闭环系统稳定,目标跟踪误差应为 其中κ是0到1之间的常数; S04、跟踪误差ek被定义为估计的状态向量和实际状态向量xk=[Vyγ]之间的状态偏移值z=[Vycomγcom],即所使用的补偿值: S05、输出权重的误差定义为: S06、将自适应权重更新算法被给出为: 当自定义学习率0<η<1时,在Lyapunov稳定性定理的证明下,可以保证所提出的RPNN内的自适应系统的稳定性,RPNN不需要任何离线训练的初始训练数据; S2、MPC控制器设计: S0l、简化后的线性车辆二自由度模型由如下方程描述: 其中,和分别表示车辆的侧向速度的导数和横摆角速度的导数,Fyf和Fyr分别表示前后轮胎的轮胎侧向力,ΔMz为附加横摆力矩,轮胎侧向力Fyf=-2Cfαf,Fyr=-2Crαr; 前后轮的侧偏角如下: S02、预测模型 考虑车辆的侧向及横摆运动,得到二自由度车辆动力学模型: 其中,Vy为车辆侧向速度,Fy代表轮胎的侧向力,下标fl,fr,rl,rr分别代表左前、右前、左后和右后车轮,下标com代表状态补偿的补偿量,轮胎侧向力Fyf=-2Cfαf,Fyr=-2Crαr; 轮胎侧向力中αf,αr的公式如下 根据公式11-12,将汽车模型描述为: 其状态量x=[x1x2]T=[Vyγ]T由车辆侧向速度和横摆角速度组成,控制量u=[u1u2]f=[ΔMzΔδf]T为轮胎附加横摆力矩和附加前轮转角; 式13中A,Bu,Bd分别表示为: 对预测模型13,根据欧拉方程离散化,设Ts为采样时间,得到离散后的预测模型为: xk+1=Adxk+Buduk+Bddδf+Xc15 其中Ad=ATs+I,Bud=BuTs,Bdd=BdTs,Xc=xcom·Ts,其中I是单位矩阵; 推到出预测时域内的状态量为 其中Np为预测时域,括号中的k+1|k表示在当前k时刻预测k+1时刻的系统状态;未来Np个预测时域内预测的系统状态Xk以及预测时域内的控制量Uk为: 结合1617将其整理为矩阵形式: 其中, S03、目标函数及约束 ①定义目标函数如下: ②代价函数: ③根据式20、21定义一个总目标函数: s.t.|u1ki-1|≤u1max,i=0,1,2,…,p-1 |u2ki-1|≤u2max,i=0,1,2,…,p-1 |γki|≤γmax,i=1,2,…,p22 其中和Γγ分别为侧向速度和横摆角速度的权重系数矩阵,和分别为控制量附加横摆力矩和附加前轮转角的权重系数矩阵,其中 [u1maxu2maxa]T=[ΔMzmaxΔδfmax]T为控制量的限制最大值; 对上式22进行求解得到如下最优控制序列U*: U*k=[u*k,u*k+1,...,u*k+N-1]T23 其中,基于模型预测控制原理,将最终23得到的控制序列U*第一个值u*k=[ΔMzΔδf]T看做最优附加横摆力矩和最优附加前轮转角; 得到以下四个电机的附加驱动力矩和附加方向盘转角: 对于最优附加方向盘转角: ΔSWA=180·Δδfπ25 附加驱动力矩和附加方向盘转角与驾驶员打出的驱动力矩和方向盘转角共同作用,以此来达到控制效果。

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 吉林省长春市人民大街5988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。