一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方...
公开
摘要
本发明公开了一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法，本发明基于常规车载传感器信号，无需借助视觉图像信息，避免了因高速行驶时图像质量较差导致的估测失准，且降低了对算法性能的要求，便于了方案的实施与应用。本发明的方法兼具了深度预测网络和卡尔曼观测器的优点，是一种准确性较高且泛化性较好的路面附着系数预测方法，可有效提升路面附着系数估计的准确性，为极限工况行驶车辆提供了更加准确的控制依据。引入强化学习理论对深度网络进行优化，避免了因训练误差导致的路面附着系数估计值溢出正常值的情况。
基本信息
专利标题 ：
一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114590264A
申请号 ：
CN202210248477.6
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王海石轩宇蔡英凤陈龙孙晓强刘擎超李祎承
申请人 ：
江苏大学
申请人地址 ：
江苏省镇江市京口区学府路301号
代理机构 ：
代理人 ：
优先权 ：
CN202210248477.6
主分类号 ：
B60W40/064
IPC分类号 ：
B60W40/064 G06F30/17 G06F30/15 G06F30/20
IPC结构图谱
B
B部——作业；运输
B60
一般车辆
B60W
附注
B60W40/00
不与某一特定子系统的控制相关联的道路车辆驾驶控制系统的驾驶参数的判断或计算
B60W40/02
涉及周围的路况
B60W40/06
道路状况
B60W40/064
附着度
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
