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！

龙图腾网获悉长沙理工大学申请的专利一种基于物理信息强化学习的无人驾驶汽车队列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：CN121232881B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511796679.4，技术领域涉及：G05D1/698；该发明授权一种基于物理信息强化学习的无人驾驶汽车队列控制方法是由高志波;李蕴博;龙科军;兰晓蔚;尹砚铎;谭婷;裴博彧设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本一种基于物理信息强化学习的无人驾驶汽车队列控制方法在说明书摘要公布了：本发明公开了一种基于物理信息强化学习的无人驾驶汽车队列控制方法，步骤包括：建立无人驾驶汽车队列的强化学习环境，使得队列跟随车根据领头车的加速度变化规划自身加速度；获取每辆车的状态信息，使用TD3算法对模型进行训练迭代，训练迭代过程中将CACC模型计算得到的期望加速度嵌入策略网络Actor的损失函数中，作为物理信息约束，引导策略生成符合车辆动力学的动作；训练迭代结束后，将策略网络Actor的控制策略部署在无人驾驶车队仿真环境中，实现对车辆队列的协同控制。本发明通过引入物理信息约束，加快了模型训练速度，提高了强化学习控制策略的稳定性和可解释性，增强了队列运行效率和稳定性。

本发明授权一种基于物理信息强化学习的无人驾驶汽车队列控制方法在权利要求书中公布了：1.一种基于物理信息强化学习的无人驾驶汽车队列控制方法，其特征在于，包括以下步骤： 建立无人驾驶汽车队列的强化学习环境，使得队列跟随车根据领头车的加速度变化规划自身加速度； 获取无人驾驶汽车队列中每辆车的状态信息，使用双重延迟深度确定性策略梯度算法对模型进行训练迭代，训练迭代过程中将CACC模型计算得到的期望加速度嵌入所述模型中策略网络Actor的损失函数中，作为物理信息约束，引导策略生成符合车辆动力学的动作，所述模型将每辆车的状态信息作为智能体输入，并以除头车外的跟驰车加速度作为动作输出，通过动作价值网络Critic评估动作价值，并使用策略网络Actor根据动作价值网络Critic反馈优化控制策略，策略网络Actor损失函数的数学表达式如下： 其中，为基本损失项，为额外损失项，为物理信息权重系数，额外损失项的数学表达式如下： 其中，为无人驾驶汽车队列的车辆总数，为策略网络Actor输出的第辆车的期望纵向加速度，为CACC模型计算得到的第辆车的期望加速度； 训练迭代结束后，将策略网络Actor的控制策略部署在无人驾驶车队仿真环境中，实现对车辆队列的协同控制。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。