基于神经网络的履带车辆运动状态控制方法、系统及介质技术方案

本发明专利技术公开了一种基于神经网络的履带车辆运动状态控制方法、系统及介质，所述方法包括以下步骤：构建基于多元数据驱动的神经网络预测模型；基于多元数据对神经网络预测模型进行模型优化；基于优化后的神经网络预测模型构建运动状态预测模型，获取履带车辆的参考轨迹，基于参考轨迹和运动状态预测模型计算最优控制参数，基于最优控制参数对履带车辆进行运动控制，将最优控制参数返回至神经网络预测模型进行模型参数更新；本发明专利技术能够采用基于数据驱动的神经网络模型作为预测模型，解决传统物理模型参数不确定、适应性差以及解析难的特性，基于在线学习机制，进行履带车辆运动状态的实时预测以及预测模型参数的实时动态调整。

【技术实现步骤摘要】

本专利技术涉及履带车辆预测控制，特别是涉及一种基于神经网络的履带车辆运动状态控制方法、系统及介质。

技术介绍

1、无人履带车辆作为一种高度适应性和多功能的移动平台，在军事侦察、工程作业、紧急救援、地质勘探等多个高风险、复杂环境中展现出了其不可替代的优势。这类车辆能够穿越复杂地形，包括陡坡、沟壑、泥泞地带等，为各类任务提供强有力的支持。然而，履带车辆在复杂地形中的行驶稳定性与控制精度问题一直是研究的重点和难点。

2、履带车行驶在复杂地形时，会受到路面不规则性和瞬时变化的显著影响。特别是在极端条件下，如陡坡、沟壑等地形，若无法对履带车的行驶状态进行准确预测，系统将难以基于未来的运动状态提前制定针对性的控制策略。这会导致车辆在应对多变地形时产生动态响应滞后，增加操控的不稳定性。特别是在高速行驶或转向时，若无法及时对履带驱动系统进行控制，将增加车辆打滑、侧翻等风险，严重威胁任务的安全性和成功率。

3、目前，对于履带车辆状态预测控制方法的研究已经取得了一定的进展，但仍存在诸多不足，具体如下：

4、（1）中国公开专利cn116861本文档来自技高网...

【技术保护点】

1.一种基于神经网络的履带车辆运动状态控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

3.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

4.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

5.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

6.根据权利要求2所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

7.根据权利要求2所述的基于神经网络的履带车辆运动状态控...

【技术特征摘要】

1.一种基于神经网络的履带车辆运动状态控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

3.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

4.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

5.根据权利要求1所述的基于神经网络的履带车辆运动状态控制方法，其特征在于：

6.根据权利要求2所述的基于神经网络的履带车辆...

【专利技术属性】
技术研发人员：刘翼，牛雨卿，杜甫，范晶晶，陈传玺，孟祥林，陈畅，汪浒江，
申请(专利权)人：江苏智能无人装备产业创新中心有限公司，
类型：发明
国别省市：