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！

龙图腾网获悉吉林大学申请的专利基于数据与物理融合模型的气压制动系统压力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：CN121697600B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610218999.X，技术领域涉及：B60T17/22；该发明授权基于数据与物理融合模型的气压制动系统压力估计方法是由彭金鑫;肖峰;许长贺;万里恩;靳立强;彭思仑;李建华;张旭设计研发完成，并于2026-02-24向国家知识产权局提交的专利申请。

本基于数据与物理融合模型的气压制动系统压力估计方法在说明书摘要公布了：本发明公开了一种基于数据与物理融合模型的气压制动系统压力估计方法，该方法通过台架试验采集气源压力、制动气室压力及ABS电磁阀控制指令，构建时序滑动窗口样本并归一化处理；构建包含长短期记忆网络与全连接层的物理信息神经网络模型，其输出制动气室压力估计值，计算得到制动气室温度、流经阀口的气体质量流量及气室体积；根据压力变化率微分方程，计算物理规律残差；训练中以数据拟合损失与物理残差损失共同构成总损失函数，采用Adam优化器迭代更新网络参数直至模型收敛；将训练好的模型部署于制动系统控制器，实现仅依据气源压力与阀指令即可在线高精度、强鲁棒且物理一致地估计制动气室压力。

本发明授权基于数据与物理融合模型的气压制动系统压力估计方法在权利要求书中公布了：1.一种基于数据与物理融合模型的气压制动系统压力估计方法，其特征在于，包括以下步骤： S1：基于台架试验收集不同制动工况下的气源压力、制动气室压力和ABS电磁阀控制指令，并以制动气室压力作为标签；定义时间步长和窗口长度，构建时序滑动窗口样本；对制动气室压力和离散变量ABS电磁阀控制指令进行归一化处理； S2：构建包含长短期记忆网络层与全连接层的物理信息神经网络模型，所述物理信息神经网络模型的输入端接收时序滑动窗口样本，输出端输出制动气室压力的估计值； S3：将制动气室压力的估计值代入制动气室温度的动态估算模型，计算得到制动气室温度；将制动气室压力的估计值代入气体质量流量计算模型，计算得到气体质量流量；将制动气室压力的估计值代入制动气室体积的动态分段模型，计算得到制动气室体积； S4：基于制动气室温度、气体质量流量和制动气室体积，根据气室压力变化率微分方程，计算气室压力变化率；计算制动气室压力的估计值对时间的数值导数；计算气室压力变化率与数值导数之间的差异，得到物理规律残差； S5：构建包括物理规律残差的总损失函数，对物理信息神经网络模型参数进行迭代更新以最小化总损失函数； S6：将训练完成的物理信息神经网络模型部署于气压制动系统控制器中，气压制动系统控制器根据实时采集的气源压力与ABS电磁阀控制指令，在线估计制动气室压力。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。

以上内容由龙图腾AI智能生成。