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！

龙图腾网获悉东南大学申请的专利基于LQR和前馈控制的人机协同转向框架构建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：CN116088301B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211540624.3，技术领域涉及：G05B13/04；该发明授权基于LQR和前馈控制的人机协同转向框架构建方法是由王金湘;刘能;方振伍;陈郴;殷国栋;陈建松;李普;祝小元;徐利伟设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于LQR和前馈控制的人机协同转向框架构建方法在说明书摘要公布了：本发明涉及驾驶辅助技术领域，特别是涉及基于LQR和前馈控制的人机协同转向框架构建方法，其包括基于双点预瞄模型和驾驶员神经肌肉模型，提出了描述转向操纵过程的二阶驾驶员模型，在此基础上，通过驾驶模拟器数据采集和基于最小二乘法的特征参数辨识，在线获取驾驶员模型中关键参数；然后，结合二自由度车辆动力学模型构建了驾驶员‑道路‑车辆系统共享转向控制行为模型；最后，推导了基于LQR和前馈控制的共享控制器，求解反馈和前馈控制量，并定义了共享控制器刚度参数，在驾驶模拟器上进行了人机共驾实验。本发明将驾驶员特性融入共享控制器的设计，在保证车辆稳定和路径跟踪能力的同时，提升驾驶员与控制器的合作舒适性，有效提升人机信任。

本发明授权基于LQR和前馈控制的人机协同转向框架构建方法在权利要求书中公布了：1.基于LQR和前馈控制的人机协同转向框架构建方法，其特征在于，包括以下具体步骤： S1、基于双点预瞄模型和驾驶员神经肌肉模型，建立描述转向操纵过程的二阶驾驶员模型； S2、基于S1中的二阶驾驶员模型通过驾驶模拟器数据采集和基于最小二乘法的特征参数辨识，在线获取驾驶员模型中的参数； S21、采用双线性变换将二阶驾驶员模型的s域表达式变换到z平面，进而得到时域离散差分方程： ； 式中，Ts为采样周期，k表示当前离散时间； S22、构建在线的带有遗忘因子的递推最小二乘辨识算法的递推关系，辨识求解每一时刻的参数： 式中，G和P为中间变量，I表示单位矩阵，α为遗忘因子；根据θ的每一个元素与驾驶员特征参数Kp、Kc、的函数映射关系，在线获取驾驶员模型参数；分别表示驾驶员的大脑决策延时和肌肉信息传递延时；δd表示驾驶员实际操作的方向盘转角； S23、通过辨识算法在线实时获取参数，并将参数直接运用于控制器中； S3、结合二自由度车辆动力学模型构建了驾驶员-道路-车辆系统共享转向控制行为模型； S3中将驾驶员模型与二自由度车辆动力学模型相结合，得到如下状态空间表达式： 式中，Cαf、Cαr分别为前轮、后轮侧片刚度；a、b分别为前轴、后轴到质心的距离；vx为纵向车速；m为车辆质量；Iz为车辆转动惯量；lf和ln分别为驾驶员远、近预瞄距离；δfd和δfc分别为驾驶员输入的前轮转角和控制器输入的前轮转角；ed和eφ分别为车辆的横向位置误差和航向误差；Rg为转向比，δd=Rg*δfd； S4、推导基于LQR和前馈控制的共享控制器，求解反馈和前馈控制量，并定义共享控制器刚度参数； S41、构建LQR状态空间反馈，并设计前馈控制消除由驾驶员-道路-车辆状态空间方程的第三项带来的稳态误差；LQR状态空间反馈优化目标函数为： 式中，Q和R分别为LQR的优化目标中的状态变量和控制变量的权重矩阵，q1、q2、q3、q4和r为权重值； S42、基于LQR状态空间反馈构建Riccati方程递推式： 进一步得到状态反馈增益： S43、将LQR所得的状态反馈-Kx与前馈控制量δf相加作为控制量δfc=-Kx+δf，代入二自由度车辆动力学模型的误差状态空间方程，反解前馈控制量； 将控制量代入驾驶员-道路-车辆状态空间方程，得到： 当车辆系统稳定后，有，于是： 式中，Kk为LQR状态反馈矩阵第1-4行组成的一维列向量，K1、K3为Kk的第一行和第三行元素； S5、在驾驶模拟器上进行了人机共驾实验，验证结果。

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东南大学，其通讯地址为：211100 江苏省南京市江宁区东南大学路2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”。

以上内容由龙图腾AI智能生成。