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！

龙图腾网获悉三峡大学申请的专利一种基于主观驾驶行为特征识别的驱动力自适应调控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：CN120781109B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510778156.0，技术领域涉及：G06F18/23213；该发明授权一种基于主观驾驶行为特征识别的驱动力自适应调控方法是由周彬;张峻宁;杨志峰;董元发;安友军;彭巍设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本一种基于主观驾驶行为特征识别的驱动力自适应调控方法在说明书摘要公布了：本发明提供了一种基于主观驾驶行为特征识别的驱动力自适应调控方法，该方法基于模拟驾驶环境下驾驶员的生理信号和车辆信号，采用K‑means++聚类识别算法将驾驶风格标定为保守型、正常型和激进型，通过考虑前车车距和生理信号的CNN‑BILSTM‑Attention方法对驾驶员主观驾驶需求进行预测。通过驾驶员主观驾驶行为特征预测结果搭建深度强化学习DDPG车辆纵向控制器，最后进行实验验证，结果表明：设计的基于驾驶需求预测的深度强化学习DDPG车辆纵向控制器能有效的跟踪主观驾驶行为下的驾驶需求预测曲线，有效的提升驾驶员的驾驶体验。

本发明授权一种基于主观驾驶行为特征识别的驱动力自适应调控方法在权利要求书中公布了：1.一种基于主观驾驶行为特征识别的驱动力自适应调控方法，其特征在于，包括以下步骤： 步骤1，搭建基于单电机驱动的电动汽车驾驶员在环系统，让实验人员佩戴生理信号采集仪器依次完成驾驶模拟实验，采集实验人员驾驶过程中的生理数据和行车数据； 步骤2，先对步骤1中采集到的生理数据和行车数据进行预处理，初步选取驾驶特征指标，采用主成分分析方法对选取的特征进行降维处理，保留特征值大于1的主成分，使用K-means++聚类方法对特征值进行分类，将特征参数聚类分为三种驾驶风格，分别为保守型、普通型、激进型； 步骤3，通过皮尔逊相关性分析计算驾驶特征参数间的关联度，选取关联度低的特征参数作为驾驶需求预测模型的输入； 步骤4，构建融合注意力机制的CNN+BiLSTM驾驶需求预测模型，针对不同风格驾驶员的驾驶需求，以Ts为一个时间窗口进行驾驶需求预测； 步骤5，针对不同驾驶风格驾驶员的预测驾驶需求曲线，提出一种基于深度强化学习算法DDPG的纵向控制策略； 步骤5中在Simulink中搭建纵向控制系统，车辆模型输入为加速踏板开度、制动压力，输出为速度、加速度和发动机功率；使用深度强化学习DDPG进行动力学控制，在驾驶过程中，加速踏板开度反映了驾驶员对驱动力的需求，车辆行驶过程中的受力平衡公式如下： ；8 式中，为车辆驱动力矩；为主减速器传动比；为变速器传动比；为传动系统效率；G为车辆自重；为轮胎滚动阻力系数；为空气阻力系数；为迎风面积；为车速；为汽车旋转质量换算系数；为车辆质量；为车轮半径；为车辆加速度； 利用深度强化学习调控策略计算出期望加速度，再根据期望加速度计算出车辆所需驱动力，最后通过油门刹车标定表计算得到相应的驾驶踏板开度，电机期望转矩为： ；9 通过计算面对不同驾驶需求驾驶员的速度曲线，不同驾驶员需求的速度反应出驾驶员对期望转矩的不同，最终体现在驱动力的需求上； 设计状态空间观测矩阵Obs： Obs=[,,]；10 式中：为当前速度、为目标速度、为积分误差项； 惩罚因子取值为，； 是惩罚因子，在车速未达到目标车速时将持续收到惩罚，由于输入的速度曲线是符合驾驶员期望的，在舒适性、动力性以及响应速度上都是满足需求的，因此奖励函数设计只需要考虑是否能完全跟随期望驾驶需求曲线； 设计奖励函数： ；11 通过设计奖励函数，在深度强化学习算法训练过程中，当目标速度对于实际速度相差过大后，给一个极大的惩罚项，保证该调控策略让车辆在行驶过程上能够更符合驾驶员对驱动力的主观需求。

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三峡大学，其通讯地址为：443002 湖北省宜昌市大学路8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。