買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉吉林大學申請的專利一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120143631B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510624440.2，技術領域涉及：G05B13/04；該發明授權一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法是由陳國迎;趙選銘;高鎮海;高正;王鑫煜;王佳琦設計研發完成，并于2025-05-15向國家知識產權局提交的專利申請。

本一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法在說明書摘要公布了：本發明適用于自動駕駛車輛控制技術領域，提供了一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法，包括：將神經網絡與基于物理的動力學模型深度結合；將物理信息神經網絡動力學模型作為預測模型，根據車輛狀態和參考軌跡建立成本函數和約束，形成最優控制問題并求解，獲得期望的控制量；進行輪速控制和轉向系統控制，運用前饋加反饋的控制思想，調節驅動系統和轉向系統，實現期望的控制量。本發明不僅優化了模型性能，降低了過度擬合風險，提升了計算效率，還增強了模型的可解釋性與物理保證；通過構建成本函數和約束條件，并運用前饋加反饋控制思想調節執行器，實現自動駕駛車輛精準的軌跡跟蹤，有效提升了自動駕駛系統的性能和可靠性。

本發明授權一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法在權利要求書中公布了：1.一種基于物理信息神經網絡的模型預測控制軌跡跟蹤方法，其特征在于，包括以下步驟： 步驟S1：物理信息神經網絡動力學建模； 將神經網絡與基于物理的動力學模型深度結合，提高模型保真度并保證模型的物理特性； 步驟S2：建立模型預測控制軌跡跟蹤方法； 將物理信息神經網絡動力學模型作為預測模型，根據車輛狀態和參考軌跡建立成本函數和約束，形成最優控制問題并求解，獲得期望的控制量； 步驟S3：執行器調節； 包括輪速控制和轉向系統控制，運用前饋加反饋的控制思想，調節驅動系統和轉向系統，實現期望的控制量以跟蹤參考軌跡； 所述步驟S1的具體步驟如下： 步驟S11：建立基于物理的動力學模型； 采用三自由度動力學模型描述車輛狀態的變化，包括速度、質心側偏角和橫擺角速度，同時采用Fiala輪胎模型描述輪胎的縱側向力耦合特性； 三自由度動力學模型公式如下： ； 式中，分別為車輛速度、質心側偏角和橫擺角速度的變化率；為前輪縱向力，為前輪側向力，為后輪縱向力，為后輪側向力；為前輪轉角；為質心側偏角；為車輛質量；為車輛速度；為橫擺角速度；為車輛的轉動慣量；和分別為車輛質心到前軸和后軸的距離，軸距； 步驟S12：訓練物理信息神經網絡動力學模型； 采用物理信息神經網絡對車輛動力學進行建模，融合數據驅動和物理驅動的建模優勢，采用神經網絡進行編碼估計車輛的動力學參數，并通過物理約束保證神經網絡輸出的合理性，然后通過基于物理的動力學模型進行解碼，獲得車輛狀態； 所述步驟S12的具體過程如下： 采集雙移線和穩態圓周工況下的車輛數據，包括車輛的速度、質心側偏角、橫擺角速度、前輪轉角和輪速，將作為狀態量，作為控制量，形成數據集，輸入給物理信息神經網絡進行訓練； 物理信息神經網絡以三個采樣時間的狀態量和控制量作為輸入，采用包含四個具有16個神經元的隱藏層，分別為兩個全連接層和兩個門控循環單元層，輸出層采用Sigmoid激活函數，并通過參數的最大值和最小值來實現物理約束，限制物理神經網絡的輸出，公式如下： ； 式中，分別為兩個全連接層的輸出；分別為兩個門控循環單元層的輸出；為輸出層的輸出；為全連接層；為門控循環單元；為激活函數；為網絡的輸入；和為隱藏狀態；為網絡的權重；為網絡的偏置；為動力學參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人吉林大學，其通訊地址為：130012 吉林省長春市朝陽區前進大街2699號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。