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！

龙图腾网恭喜合肥工业大学申请的专利动态超车场景下的智能汽车概率约束型路径规划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：CN119225187B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411755311.9，技术领域涉及：G05B13/04；该发明授权动态超车场景下的智能汽车概率约束型路径规划方法是由朱仲文;蒋智涛;江维海;佟强;王维志;李丞;李书华设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本动态超车场景下的智能汽车概率约束型路径规划方法在说明书摘要公布了：本发明涉及动态超车场景下的智能汽车概率约束型路径规划方法，所述方法包括以下步骤：通过车载传感器对障碍车的历史轨迹进行采集，利用条件线性高斯方法建立障碍车轨迹预测模型；建立面向控制的汽车运动学模型，考虑超车场景下的横向路径规划，根据预测出的障碍车轨迹建立主车与障碍车的安全约束；机会约束MPC的优化控制，目标函数及约束的设置，基于二次规划方法进行最优问题求解。本发明考虑障碍物轨迹随机性，得到超车过程中主车与障碍车之间的距离关系的概率分布，并设计相应的概率约束，保证求解最优问题时有可行解，从而得到安全的超车路径，作为后续轨迹跟踪控制模块的参考值。

本发明授权动态超车场景下的智能汽车概率约束型路径规划方法在权利要求书中公布了：1.动态超车场景下的智能汽车概率约束型路径规划方法，其特征在于，所述方法包括以下步骤：1通过车载传感器对障碍车的历史轨迹进行采集，利用条件线性高斯方法建立障碍车轨迹预测模型；2建立面向控制的汽车运动学模型，考虑超车场景下的横向路径规划，根据预测出的障碍车轨迹建立主车与障碍车的安全约束；3机会约束MPC的优化控制，目标函数及约束的设置，基于二次规划方法进行最优问题求解；在步骤2中，建立面向控制的汽车运动学模型，考虑超车场景下的横向路径规划，根据预测出的障碍车轨迹建立主车与障碍车的安全约束的步骤包括：vx和vy为车体坐标系下质心的纵向速度和侧向速度，X和Y为直角坐标系下横向位移和纵向位移，为车辆横摆角，ay为车辆横向加速度；由于在超车场景下主要考虑车辆的横向控制与车辆横向路径规划，故设定横向车速恒定，根据车辆单轨模型建立车辆运动学模型，如下所示：式1：其中，系统的状态量为控制量u＝ay；则离散的非线性系统表示为：式2：ξk+1＝fξk,uk；步骤3中，机会约束MPC的优化控制的步骤包括：3.1状态方程线性化及状态预测序列：根据式2，在任意点系统状态表示为：式3：将离散的非线性系统在点进行泰勒展开：式4：令则式4化为：式5：展开后得：式6：ξk+1＝Aξk+Buk+d；其中，根据式6推导出状态的预测序列如下，Np为预测范围，Nc为控制范围：式7：整理式7得：式8：将X,Y作为系统状态输出，得到式9：式9：yk+1＝CAξk+CBuk+Cdk；其中，3.2机会约束：在式9的基础上引入概率分布，通过条件线性高斯得到障碍车的未来轨迹P,P服从高斯分布，则自车与动态障碍物的距离lX、lY如下：式10：lk+1＝CAξk+CBuk+Cdk+DPk；其中，结合式8，推导出自车与动态障碍物的距离服从的期望与方差的递推关系式，如式11所示：式11：超车场景下主车进行横向控制，故设定主车纵向车速恒定，进行横向路径规划，对自车与障碍车的距离进行约束，如式12所示：式12：其中，LX、LY为自车与障碍车的安全距离，β为机会约束的置信度；高斯分布的概率密度函数为σ为高斯分布的标准差，μ为期望，从而推导出高斯分布的累积分布函数，如式13所示：式13：将式12代入上式，得到转化后的确定性约束如式14所示：式14：步骤3中，目标函数及约束的设置的步骤包括：通过设计目标函数和约束进行局部路径规划，保证主车按照规划路径行驶的安全性，结合式14，目标函数与约束如下所示：式15：式16：其中，ηref为全局参考路径，μ地为地面摩擦系数，g重为重力加速度，ymax和ymin为车道边界的大地坐标轴位置。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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”。