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！

龙图腾网恭喜华东交通大学申请的专利一种高速列车自动驾驶预测控制方法、装置、设备及介质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：CN119511919B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510072372.3，技术领域涉及：G05B19/042；该发明授权一种高速列车自动驾驶预测控制方法、装置、设备及介质是由李中奇;郭胜彬;谭畅;付雅婷;周靓设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种高速列车自动驾驶预测控制方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种高速列车自动驾驶预测控制方法、装置、设备及介质，涉及列车自动驾驶领域，该方法包括：基于端边云协同下的分布式更新策略，对边缘侧、云侧数字孪生模型进行实时更新，得到边缘回传模型和云端回传模型；端侧数字孪生模型等效上一次更新的边缘回传模型；对端侧、边缘侧、云侧数字孪生模型的预测误差进行评估，在端侧数字孪生模型不是最优时，利用自校正机制，采用边缘侧数字孪生模型和云端回传模型对端侧数字孪生模型进行校正，根据下一时刻的列车预测速度确定目标高速列车预测时域的最优控制指令序列，以实现无延时下的高速列车无间断控制，本申请提升了高速列车的跟踪性能和乘坐舒适性。

本发明授权一种高速列车自动驾驶预测控制方法、装置、设备及介质在权利要求书中公布了：1.一种高速列车自动驾驶预测控制方法，其特征在于，所述高速列车自动驾驶预测控制方法包括：基于端边云协同下的分布式更新策略，对边缘侧数字孪生模型和云侧数字孪生模型的模型参数进行实时更新，得到边缘回传模型和云端回传模型；获取目标高速列车设定时段的列车运行信息；设定时段包括多个历史时刻；列车运行信息包括列车运行速度、轨道路况和控制指令；对于设定时段内的每一历史时刻，将目标高速列车历史时刻的列车运行信息输入至端侧数字孪生模型，得到历史时刻的下一时刻的列车预测速度；端侧数字孪生模型为上一次更新的边缘回传模型；所述端侧数字孪生模型为改进的GRU网络；所述改进的GRU网络为在GRU网络中引入自注意力机制层后得到的网络；采用多个GRU神经元的隐藏状态进行递进式计算注意力权重，权重矩阵的计算过程为：；其中，为控制序列；为GRU隐藏状态；表示数据在最后一个维度进行合并；和分别为第一线性层和第二线性层的权重参数；和分别为第一线性层和第二线性层的偏置参数；为关键模型超参数，代表隐藏状态尺度；用于增强隐藏层非线性映射，用于对分值进行归一化处理；根据设定时段内所有历史时刻的下一时刻的列车预测速度和实际列车运行速度，计算端侧数字孪生模型的端侧误差评估值；根据端侧数字孪生模型的端侧误差评估值，判断端侧数字孪生模型是否进行校正，若是，利用自校正机制，采用边缘侧数字孪生模型和云端回传模型对端侧数字孪生模型进行校正，得到校正后的端侧数字孪生模型；采用校正后的端侧数字孪生模型循环预测多个预测时刻的列车运行速度，并基于预测时刻的列车运行速度确定目标高速列车预测时域的最优控制指令序列；最优控制指令序列包括预测时域内若干个预测时刻对应的最优控制输入量；在上一时刻的控制指令执行结束时，控制目标高速列车执行下一时刻对应的最优控制指令，以实现高速列车的实时控制；基于预测时刻的列车运行速度确定目标高速列车预测时域的最优控制指令序列，具体包括：采用MPC控制器，在上一时刻的控制指令执行期间，将列车预测控制描述为多约束跟踪优化问题，对多约束跟踪优化问题进行求解，根据上一时刻的列车运行速度确定下一时刻的最优控制指令，利用数字孪生模型的多步循环预测能力将优化求解过程前移至列车执行器作用期间，所有预测得到的下一时刻的最优控制指令构成目标高速列车预测时域的最优控制指令序列；所述多约束跟踪优化问题的目标函数通过预测时域的跟踪误差和能耗损失确定。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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”。