摘要
本发明属于无人驾驶汽车的数字孪生领域,为解决当前的矿井智能底盘的机理模型实际应用局限性、路径跟踪能力和稳定性较差的问题,提供矿井智能底盘的DT模型构建方法及轨迹跟踪控制方法,获取矿井智能底盘变工况下的整车试验数据集;考虑轮胎滑移对轮胎的纵向力作用,建立矿井智能底盘的数字孪生机理模型;基于整车试验数据集和数字孪生机理模型,建立矿井智能底盘的数字孪生数据驱动模型;将数字孪生数据驱动模型作为误差补偿器与数字孪生机理模型并联,得到基于数据‑机理混合驱动的矿井智能底盘DT模型。本发明能够显著提高模型的仿真精度,利用机理‑数据混合驱动的DT模型作为轨迹预测模型,从而大幅提升轨迹跟踪的精度和效果。
技术关键词
矿井智能
数字孪生
模型构建方法
数据驱动模型
轨迹跟踪控制方法
底盘
卷积循环神经网络
模型预测控制策略
轨迹预测模型
整车动力学模型
误差补偿器
注意力机制
模型预测值
数据混合驱动
变工况
轮胎侧偏角
系统为您推荐了相关专利信息
SIS系统
紧急切断装置
切断控制方法
控制系统仿真器
数字孪生模型
可视化管理方法
车辆内部空间
数字孪生模型
可视化平台
货运管理技术
多功能舱室
智能环境调节
空气净化设备
故障诊断算法
设备状态监测
BIM构件
网络抖动
可视化界面
时间序列特征
分布式计算框架
润滑剂
格子Boltzmann方法
润滑系统
多尺度
液压