[发明专利]一种基于深度神经网络的车身姿态稳定方法和系统有效
| 申请号： | 201910814497.3 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110509916B | 公开（公告）日： | 2021-06-29 |
| 发明（设计）人： | 刘效廷 | 申请（专利权）人： | 的卢技术有限公司 |
| 主分类号： | B60W30/02 | 分类号： | B60W30/02;B60W40/00;G06N3/08 |
| 代理公司： | 南京禹为知识产权代理事务所(特殊普通合伙) 32272 | 代理人： | 王晓东 |
| 地址： | 211100 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的车身姿态稳定方法和系统，包括以下步骤，采集模块采集实车驾驶过程中在各种模拟车身姿态下产生的传感数据和产生的模拟控制参数，并生成训练数据集；所述训练数据集输入至所述深度神经网络模型进行学习训练，获得训练后具有内部固定参数的预测神经网络模型；车辆实际正常驾驶过程中采集模块将产生的实际数据输入至所述预测神经网络模型中，输出车辆的实际控制参数；车身控制模块根据输出的所述实际控制参数下发至车身上的相应控制部件，对车辆的车身姿态进行稳定控制。本发明的有益效果：提高对于车身姿态判断的精度和覆盖度，更加全面、精确得预测出车身姿态，并对自动产生有助于车身稳定的自动辅助控制。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 车身 姿态 稳定 方法 系统 | ||
【主权项】：
1.一种基于深度神经网络的车身姿态稳定方法，其特征在于：包括以下步骤，/n采集模块(100)采集实车驾驶过程中在各种模拟车身姿态下产生的传感数据，并和产生的模拟控制参数共同生成训练数据集；/n构建深度神经网络模型；/n所述训练数据集输入至所述深度神经网络模型进行学习训练，获得训练后具有内部固定参数的预测神经网络模型；/n车辆实际正常驾驶过程中采集模块(100)将产生的实际数据输入至所述预测神经网络模型中，输出车辆的实际控制参数；/n车身控制模块(200)根据输出的所述实际控制参数下发至车身上的相应控制部件，对车辆的车身姿态进行稳定控制。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于的卢技术有限公司，未经的卢技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910814497.3/，转载请声明来源钻瓜专利网。
