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！

龙图腾网恭喜中山大学;东莞中山大学研究院申请的专利一种基于自适应扩展卡尔曼滤波的车辆质量估计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：CN115271040B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210868706.4，技术领域涉及：G06F30/27；该发明授权一种基于自适应扩展卡尔曼滤波的车辆质量估计方法是由熊会元;杨子超;曹炜颖设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本一种基于自适应扩展卡尔曼滤波的车辆质量估计方法在说明书摘要公布了：本发明涉及一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，包括如下步骤：获取整车参数；建立关于整车质量与道路坡度的纵向动力学模型；设置基于神经网络模型的车辆质量估计器，根据步骤二的模型，选择神经网络的输入特征，车辆质量作为输出，并对神经网络模型进行训练；设置权重调节器，计算权重因子；将神经网络模型的质量预估计嵌入自适应卡尔曼滤波，基于权重因子，修正神经网络模型输出的车辆质量预估值。通过神经网络学习车辆状态间的非线性关系，减小模型不匹配带来的影响。引入权重因子，将神经网络估计的结果嵌入自适应卡尔曼滤波，调节卡尔曼滤波与神经网络估计结果的权重，减小估计结果的震荡，提高车辆质量预估值的精度和稳定性。

本发明授权一种基于自适应扩展卡尔曼滤波的车辆质量估计方法在权利要求书中公布了：1.一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特征在于，包括如下步骤： 步骤一：获取整车参数； 步骤二：根据步骤一的参数建立关于整车质量与道路坡度的纵向动力学模型； 步骤三：设置基于神经网络模型的车辆质量估计器，根据步骤二中的纵向动力学模型，选择车辆速度、加速度参数作为神经网络的输入特征，车辆质量作为输出，并对神经网络模型进行训练； 步骤四：设置权重调节器，计算权重因子； 步骤五：将神经网络模型的质量预估计嵌入自适应卡尔曼滤波，基于权重因子，修正神经网络模型输出的车辆质量预估值，具体流程为： S5.1：卡尔曼滤波选择扩展卡尔曼滤波，根据非线性系统建立扩展卡尔曼滤波表达方程； 针对非线性系统，，扩展卡尔曼滤波估计器的表达方程如下： 计算状态量的先验估计 计算协方差矩阵的先验估计 计算卡尔曼增益 基于观测量计算状态量的后验估计 更新协方差矩阵的后验估计 其中，是第步的状态量，是观测量，是控制量，过程噪声服从分布，观测噪声服从分布，是协方差矩阵，是过程噪声协方差矩阵，是测量噪声协方差矩阵，，为矩阵，，是状态转移函数，是观测函数； S5.2：基于车辆纵向动力学模型对卡尔曼滤波表达方程进行转换； 对扩展卡尔曼滤波方程的变量进行选取 选取状态量为： 进一步表示为： 选取观测量为： 建立观测方程如下所示： 计算雅可比矩阵： 式中，是车辆速度，是车辆质量，是k时刻的滚动阻力系数，是k时刻的车辆速度，是k时刻的车辆质量，是k-1时刻过程噪声，是k-1时刻的车辆速度，是k-1时刻的滚动阻力系数，是k-1时刻的车辆质量，是车辆加速度，是采集时间，H=； S5.3：将神经网络模型实时输出车辆质量预估计值和置信度加入转换后的方程中，输出车辆当前状态量估计值，状态量估计值包括汽车车辆质量估计值。

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中山大学;东莞中山大学研究院，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。