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！

龙图腾网获悉同济大学申请的专利汽车智能路面状态监测与自动调整系统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：CN119348633B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202411899406.8，技术领域涉及：B60W40/06；该发明授权汽车智能路面状态监测与自动调整系统是由阳超逸;田春设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本汽车智能路面状态监测与自动调整系统在说明书摘要公布了：本发明涉及一种汽车智能路面状态监测与自动调整系统，属于汽车控制领域，包括：摄像头、传感器、存储器、处理器以及电子控制单元；摄像头用于拍摄路面图像；传感器用于获取传感器数据；存储器用于存储路面图像以及传感器数据；处理器用于根据路面图像以及传感器数据，通过基于卷积神经网络的路面状态智能识别模型，识别路面状态；电子控制单元用于根据路面状态，通过基于深度强化学习的智能控制模型，调整车辆牵引力以及制动力。本发明可以通过卷积神经网络捕捉路面图像中复杂的纹理和光照变化，并且在路面图像以外，额外的引入传感器数据，可以提升道路面状态识别效果，提升路面状态识别的准确性。

本发明授权汽车智能路面状态监测与自动调整系统在权利要求书中公布了：1.一种汽车智能路面状态监测与自动调整系统，其特征在于，包括：摄像头、传感器、存储器、处理器以及电子控制单元；所述摄像头用于拍摄路面图像；所述传感器用于获取传感器数据；所述存储器用于存储所述路面图像以及所述传感器数据；所述处理器用于根据所述路面图像以及所述传感器数据，通过基于卷积神经网络的路面状态智能识别模型，识别路面状态；所述电子控制单元用于根据所述路面状态，通过基于深度强化学习的智能控制模型，调整车辆牵引力以及制动力；其中，所述传感器包括振动传感器以及声学传感器；所述振动传感器用于获取车身振动数据；所述声学传感器用于获取轮胎路面噪声数据；基于深度强化学习的智能控制模型的环境空间具体为：；其中，s表示环境，v表示当前车速，表示当前加速度，e表示当前轮胎滑移率，Fr表示当前牵引力，Fa表示当前制动力，z表示当前车身振动情况，y表示当前路面状态；基于深度强化学习的智能控制模型的动作空间具体为：；其中，a表示动作，ΔFr表示牵引力调整幅度，ΔFa表示制动力调整幅度；基于深度强化学习的智能控制模型的奖励函数具体为：；其中，r表示奖励函数，r1表示驾驶平顺性奖励函数，r2表示滑移率奖励函数，r3表示燃油消耗惩罚函数，r4表示发动机效率奖励函数，λ1表示驾驶平顺性奖励系数，λ2表示滑移率奖励系数，λ3表示燃油消耗惩罚系数，λ4表示发动机效率奖励系数；所述驾驶平顺性奖励函数具体为：；其中，I表示驾驶平顺性指数；所述驾驶平顺性指数根据当前车身振动情况计算得到：；其中，I表示驾驶平顺性指数，V表示振动幅度计量值，Vbi表示第i个悬架车身连接处的振动幅度计量值，Vc表示座椅处的振动幅度计量值，λb表示悬架车身连接处的权重系数，λc表示座椅处的权重系数，表示第i个悬架车身连接处的加速度，表示第i个悬架车身连接处t时刻的加速度，d表示微分符号，T表示时间窗口长度；所述滑移率奖励函数具体为：；其中，e表示当前轮胎滑移率，eg表示目标滑移率；所述燃油消耗惩罚函数具体为：；其中，F表示瞬时燃油消耗量；所述发动机效率奖励函数具体为：；其中，ηm表示发动机效率；基于深度强化学习的智能控制模型的具体工作方式包括：在在线网络中，使用ε-greedy策略在环境st下选取一个动作at，st表示第t次迭代时的环境，at表示第t次迭代时选取的动作；执行动作at，获得奖励rt，rt表示第t次迭代时获取的奖励；当本次的作为t时刻的参数存入经验池，st+1表示第t+1次迭代时的环境；引入Q函数，计算各种策略下的Q值，Q值表示所有动作的长期回报的期望： ；其中，Q表示Q值，π表示策略，Qπ表示采用策略π时的Q值，E表示期望运算，rt+1表示第t+1次迭代时获取的奖励，γ表示折扣因子；在目标网络中，使用深度神经网络对最优Q值函数进行拟合，最优Q值函数具体为： ；其中，Q*表示最优Q值，max表示取最大值，rt+2表示第t+2次迭代时获取的奖励；根据最优Q值函数，调整车辆牵引力以及制动力。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。