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！

龙图腾网恭喜南京航空航天大学申请的专利一种电动卡车滑板底盘分布式监督全矢量运动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：CN115421381B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210972401.8，技术领域涉及：G05B13/04；该发明授权一种电动卡车滑板底盘分布式监督全矢量运动控制方法是由孟琦康;王春燕;赵万忠;张自宇;吴刚;曹铭纯设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本一种电动卡车滑板底盘分布式监督全矢量运动控制方法在说明书摘要公布了：本发明公开了一种电动卡车滑板底盘分布式监督全矢量运动控制方法，包括：建立由子系统构成的车辆六自由度模型；建立各子系统的分布式监督控制器；分布式监督控制器监督子系统状态，当子系统产生大扰动或产生性能下降事件，根据神经网络控制器的工作状态在线更新约束条件，传递至域控制器；向分布式监督控制器传递标记信号组合修改权值；分布式监督控制器根据输入的标记信号组合，配置各子系统的执行器的工作参数，对电动卡车滑板底盘进行全矢量运动控制。本发明通过在车辆状态及外部环境变化的情况下，分布式监督控制器实现神经网络控制的介入和退出，同时将解算的约束施加于域控制器，域控制器进行全局解算，实现子系统间协调和全局性能最优。

本发明授权一种电动卡车滑板底盘分布式监督全矢量运动控制方法在权利要求书中公布了：1.一种电动卡车滑板底盘分布式监督全矢量运动控制方法，其特征在于，步骤如下：1根据电动卡车滑板底盘运动学方程进行建模，建立由子系统构成的车辆六自由度模型；2分别针对各子系统构成的运动学模型，配置权值函数，建立各子系统的分布式监督控制器；3分布式监督控制器监督子系统状态，当子系统产生大扰动或产生性能下降事件，根据神经网络控制器的工作状态在线更新约束条件，传递至域控制器；4求解各分布式监督控制器的广义控制力，进行全局优化实现性能最优，向分布式监督控制器传递标记信号组合修改权值；5分布式监督控制器根据输入的标记信号组合，配置各子系统的执行器的工作参数，对电动卡车滑板底盘进行全矢量运动控制；所述步骤1中建立的车辆六自由度模型为：车辆六自由度模型公式如下所示： 式中，ms为电动卡车质量，vx、vy分别为底盘x和y方向的速度，δf为前轮转角，为俯仰角加速度，为侧倾角加速度，为横摆角加速度，Ix、Iy、Iz分别为电动卡车绕x、y、z轴的转动惯量，lf为质心到前轴的水平距离，lr为质心到后轴的水平距离，h为质心到底盘的高度距离，Ftxf为前轮轮胎x轴方向分力，Ftxr为后轮轮胎x轴方向分力，Ftyf为前轮轮胎y轴方向分力，Ftyr为后轮轮胎y轴方向分力，Fzrl、Fzrr、Fzfl、Fzfr分别为后轴轮胎的左轮、后轴轮胎的右轮、前轴轮胎的左轮、前轴轮胎的右轮的垂向力，tf、tr分别为前后轴轮距，Fzf、Fzr、Fdz分别为前轴、后轴及悬架的垂向反力；musij为单个车轮质量，为单个车轮的垂向加速度，其中i表示前轴或后轴，j表示左轮或右轮，Mdz为作用于质心的转向矩；所述步骤2中的建立分布式监督控制器的具体方法为：21设计分布式监督控制器的状态反馈控制器；22设计分布式监督控制器的神经网络控制器；所述步骤21具体包括：针对子系统动力学模型，采用鲁棒H2H∞混合灵敏度控制，求解状态反馈控制器，相应的数学描述如下：Min:||W3KS||2 式中，K为状态反馈控制器；S为灵敏度函数，T为补灵敏度函数，W1为灵敏度加权函数，W2为补灵敏度加权函数，W3为性能指标权值函数；所述步骤21中的性能指标权值函数W3具体包括：对于转向子系统设置的横向位移跟踪控制权值函数为：Wsteer＝keTd1s+1Td2s+1式中，Wsteer为横向位移跟踪控制权值，Tdi为与性能要求相关的时间常数，ke为稳态误差指标，跟踪误差稳态值低于1ke，s为拉式变换的复频域；对于驱动制动子系统，设置的纵向位移跟踪控制权值函数为：Wbrake＝φaTb1s+1Tb2s+1式中，Wbrake为纵向位移跟踪控制权值，Tbi为与性能要求相关的时间常数，φa为横向加速度增益；对于悬架子系统，设置的垂向加速度、悬架刚度、轮胎刚度控制器权值函数为：Waz＝φazTs1s+1Ts2s+1Wsd＝φsdTs3s+1Ts4s+1Wtd＝ktdTs6s+1Ts6s+1式中，Waz、Wsd、Wtd分别为垂向加速度、悬架刚度、轮胎刚度控制器权值，Tsi、ktd为与性能要求相关的时间常数，φaz和φsd为垂向加速度和悬架刚度增益；所述步骤22中的神经网络包括：输入层、隐含层和输出层，其中输入层有2个神经元，隐含层有5个神经元，输出层有1个神经元；所述隐含层中的神经元的激活函数为高斯函数，表示为： 式中，表示神经网络的输入向量；cj＝[cj1cj2]T表示第j个节点的中心向量值；bj＝[bj1bj2]T表示第j个节点的高斯基函数的基宽值向量；所述步骤22中利用训练样本集修正RBF神经网络，采用梯度下降法对神经网络的权值w1,w2,…,w5、中心向量cj＝[cj1cj2]T和基宽值向量bj＝[bj1bj2]T的值进行修正，数学表达如下；定义误差性能指标为： 其中，un为RBF神经网络控制器输出，u为分布式监督控制器输出；神经网络的调整是通过调整权值、中心向量、基宽值向量，直到E达到最小，梯度下降法修正过程为： 式中，χ为学习速率，为偏导运算符，ΔW、Δcj、Δbj分别为权值、中心向量、基宽值向量的调整量；RBF神经网络控制器输出如下：un＝h1w1+h2w2+h3w3+h4w4+h5w5从而，分布式监督控制器总控制输出为：u＝un+up式中，up为状态反馈控制器的控制输出；所述步骤3中当子系统产生较大扰动或产生性能下降事件，则神经网络控制器不再起主导作用，RBF神经网络控制器的误差性能指标E产生大波动，神经网络控制器工作状态改变，分布式监督控制器基于神经网络控制器误差性能指标和传感器信息计算并更新约束条件施加于域控制器；所述约束条件指考虑车辆稳定性及性能指标要求的约束；所述传感器信息包括车辆状态信息和环境道路信息；所述步骤4中在线求解各分布式监督控制器的广义控制力，具体包括以下步骤：41针对轮胎纵横向力优化分配问题，制定最小化最大负荷率、最小化负荷率方差、各轮负荷率平均的目标函数；42采用多目标优化算法求解广义控制力；43域控制器依据广义控制力选择标记信号组合，标记信号组合值传递至分布式监督控制器进而修改性能指标权值。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。