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！

龍圖騰網獲悉廈門理工學院申請的專利一種面向自動駕駛電動礦卡的能耗最優控制方法、裝置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：CN120039135B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510534568.X，技術領域涉及：B60L50/60；該發明授權一種面向自動駕駛電動礦卡的能耗最優控制方法、裝置是由韓鋒鋼;劉路通;彭倩設計研發完成，并于2025-04-27向國家知識產權局提交的專利申請。

本一種面向自動駕駛電動礦卡的能耗最優控制方法、裝置在說明書摘要公布了：本發明提供了一種面向自動駕駛電動礦卡的能耗最優控制方法、裝置，涉及電動礦卡技術領域，該方法通過集成先進的傳感器技術和復雜的仿真建模，實時獲取車輛運行狀態數據，并結合環境因素，構建多維度的數據集。利用優化的神經網絡模型對能耗進行精準預測，并根據預測結果與實際能耗的對比，智能切換控制策略，確保車輛在復雜工況下始終保持能耗最優。該系統不僅提高了能耗控制的精度和適應性，還通過交互反饋機制增強了系統的可靠性和穩定性，為自動駕駛電動礦卡的高效運行提供了有力支持。旨在解決現有技術中能耗控制精度不足、適應性差的問題。

本發明授權一種面向自動駕駛電動礦卡的能耗最優控制方法、裝置在權利要求書中公布了：1.一種面向自動駕駛電動礦卡的能耗最優控制方法，其特征在于，包括： 獲取由配置在待測電動礦卡上的傳感器組件采集到的物理數據集，基于所述物理數據集建立一個與電動礦卡相對應的虛擬實體； 獲取虛擬實體的虛擬數據集，對所述虛擬數據集和物理數據集進行融合處理，得到基于多工況的行駛數據集； 調用預先訓練好的PSO-BiLSTM-Attention神經網絡模型進行能耗預測，得到預測能耗值； 將所述預測能耗值與實際能耗進行對比，得到能耗偏差，并根據所述能耗偏差調整電動礦卡的狀態參數，以保證電動礦卡的能耗保持在預設最優區間內； 獲取由配置在待測電動礦卡上的傳感器組件采集到的物理數據集，基于所述物理數據集建立一個與電動礦卡相對應的虛擬實體，具體為： 獲取由配置在待測電動礦卡上的傳感器組件采集到的物理數據集，采用AVLCruise軟件對所述物理數據集進行搭建處理，得到電動礦卡整車模型； 基于所述物理數據集，使用Simulink軟件建立電動礦卡的動態方程和控制系統，將動態方程和控制系統與電動礦卡整車模型進行結合，得到電動礦卡整車仿真模型； 在調用預先訓練好的PSO-BiLSTM-Attention神經網絡模型進行能耗預測之前，還包括： 獲取能耗樣本數據，將所述能耗樣本數據劃分為訓練集和測試集，并對所述訓練集和測試集進行歸一化處理，將歸一化處理后的數據轉換為單元格數組； 創建待優化函數，并設置PSO算法的粒子數量、最大迭代次數和粒子維度，并基于待優化函數和PSO算法對單元格數組進行優化； 初始化粒子的位置和速度，使用訓練集進行訓練，并選用預測值與真實值的均方誤差為適應度函數，計算每個粒子的適應度值； 根據所述適應度值計算對應的個體最優位置和全局最優位置，根據當前位置、速度、個體最優位置和全局最優位置更新粒子的位置和速度； 當判斷到篩選出的最優解適應度不小于預設的適應度誤差時，繼續根據PSO優化算法進行優化； 當判斷到篩選出的最優解適應度小于預設的適應度誤差時，輸出最優參數組合，基于最優參數組合對測試集進行預測，得到預測結果； 當所述預測結達到預設值時，結束訓練，得到訓練好的PSO-BiLSTM-Attention神經網絡模型； 將所述預測能耗值與實際能耗進行對比，得到能耗偏差，并根據所述能耗偏差調整電動礦卡的狀態參數，具體為： 將所述預測能耗值與實際能耗進行對比，得到能耗偏差，并判斷所述能耗偏差是否小于預設偏差值； 若是，根據所述預測能耗值，采用端到端的方式調節車輛狀態參數； 若否，進行語音提醒，并切換至基于動態規劃法的輔助控制模式，調整擋位、傳動比、電機轉速。

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廈門理工學院，其通訊地址為：361024 福建省廈門市集美區理工路600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”。