-
公开(公告)号：CN110979302A
公开(公告)日：2020-04-10
申请号：CN201911310129.1
申请日：2019-12-18
Applicant: 厦门大学
Abstract: 自动驾驶分布式驱动电动汽车横向与侧倾综合控制方法，属于汽车智能安全与自动驾驶技术领域。通过车载传感系统采集自动驾驶分布式驱动电动汽车的行驶状态信息和参考路径信息，考虑侧倾效应和执行器故障，建立具有参数不确定和时变特性的Takagi-Sugeno模糊横向控制模型，设计一种自动驾驶分布式驱动电动汽车鲁棒横向和侧倾综合控制方法，同时针对自动驾驶分布式驱动电动汽车行驶过程中侧倾角和侧倾角速度的不可测性，提出基于Takagi-Sugeno模型的观测器。克服了侧倾效应和执行器故障对自动驾驶分布式驱动电动汽车横向运动控制的影响，提高了自动驾驶分布式驱动电动汽车的自主行驶性能。
-
公开(公告)号：CN109291925A
公开(公告)日：2019-02-01
申请号：CN201811098268.8
申请日：2018-09-20
Applicant: 厦门大学
IPC: B60W30/165 , B60W20/15
Abstract: 一种节能型智能网联混合动力汽车跟车控制方法，涉及智能网联汽车及能量管理。控制系统包括信息获取模块、协调控制模块、信号转换模块、执行器和车轮。控制方法：信息获取模块实时采集本车行驶状态信息及周围环境信息，判断跟车行驶条件并选取跟踪目标车辆；根据车联网系统采集的信息，建立节能导向的混合动力汽车跟车系统预测控制模型；设计混合动力汽车跟车行驶的期望状态模型预测调节控制方法，得出跟车行驶达到期望状态各动力总成耗能最小时对应的运转状态；信号转换模块将求解的每个控制量最优控制序列的第一个元素转化为混合动力汽车各相应执行器控制信号作用于执行器，完成对执行器的控制。
-
公开(公告)号：CN111723778B
公开(公告)日：2022-07-19
申请号：CN202010647265.6
申请日：2020-07-07
Applicant: 厦门大学
Abstract: 基于MobileNet‑SSD的车辆测距系统及方法，涉及智能汽车。系统包括标定模块、图像采集模块、检测模块、判断模块、预估模块、跟踪模块、立体匹配模块和测距模块。方法：构建双目视觉系统，并对双目视觉进行标定；双目摄像头同步采集左、右目图像；进行目标车辆检测，判断是否检测出首帧车辆；进一步确定车辆区域的坐标；对左、右目图像车辆区域点进行SGBM立体匹配；计算区域点视差，求出目标物与当前车辆的区域平均距离。检测过程包括HSV车辆阴影检测和MobileNet‑SSD车辆检测算法，并结合车辆跟踪算法，提高目标车辆区域获取的速度和准确度，简化图像识别过程，而且提高了检测效果，实现实时高效的测距方法。
-
公开(公告)号：CN110654386B
公开(公告)日：2021-01-22
申请号：CN201910958150.6
申请日：2019-10-10
Applicant: 厦门大学
IPC: B60W30/14
Abstract: 弯道下多智能电动汽车协作式巡航纵横向综合控制方法，属于汽车智能安全与自动驾驶领域。首先采集多智能电动汽车行驶环境信息及自车状态信息，建立描述弯道工况下多智能电动汽车协作式巡航纵横向耦合动力学模型；再设计多智能电动汽车协作式巡航自适应神经反演滑模控制器，动态求解多智能电动汽车协同行驶所需的期望总纵向力、期望总横向力、期望总横摆力矩；然后设计智能电动汽车协作式巡航控制分配器，实时求解各执行机构所需的纵横向力，基于逆轮胎模型推导出车轮的期望滑移率和期望侧偏角，实现对期望滑移率和期望侧偏角的精确控制。解决弯道工况下的多智能电动汽车协作式巡航纵横向综合控制问题，提高多智能电动汽车协作式巡航控制系统性能。
-
公开(公告)号：CN112201069A
公开(公告)日：2021-01-08
申请号：CN202011026453.3
申请日：2020-09-25
Applicant: 厦门大学
IPC: G08G1/0967 , G06N3/08 , G06N3/04
Abstract: 基于深度强化学习的驾驶员纵向跟车行为模型构建方法，属于汽车智能安全与自动驾驶领域。基于中国实际道路工况，采集符合中国道路特征的驾驶员驾驶车辆行驶过程中的车辆状态信息和周围环境信息，统计分析采集的数据，给出驾驶员跟车行驶过程的行为特性及其影响因素。确定表征驾驶员在某个时刻所采取动作的基准信息，建立描述驾驶员跟车行为状态迭代关系的数学模型。设计基于竞争Q网络构架的驾驶员纵向跟车行为模型的神经网络结构。设计基于竞争Q网络构架的神经网络的驾驶员纵向跟车行为学习流程。设计基于深度强化学习的驾驶员纵向跟车行为模型的训练方法。可准确地描述不同工况下驾驶员的跟车行为特性，实现对驾驶员跟车行为的复现能力。
-
Patent Agency Ranking
公开(公告)号：CN110654386A
公开(公告)日：2020-01-07
申请号：CN201910958150.6
申请日：2019-10-10
Applicant: 厦门大学
IPC: B60W30/14
Abstract: 弯道下多智能电动汽车协作式巡航纵横向综合控制方法，属于汽车智能安全与自动驾驶领域。首先采集多智能电动汽车行驶环境信息及自车状态信息，建立描述弯道工况下多智能电动汽车协作式巡航纵横向耦合动力学模型；再设计多智能电动汽车协作式巡航自适应神经反演滑模控制器，动态求解多智能电动汽车协同行驶所需的期望总纵向力、期望总横向力、期望总横摆力矩；然后设计智能电动汽车协作式巡航控制分配器，实时求解各执行机构所需的纵横向力，基于逆轮胎模型推导出车轮的期望滑移率和期望侧偏角，实现对期望滑移率和期望侧偏角的精确控制。解决弯道工况下的多智能电动汽车协作式巡航纵横向综合控制问题，提高多智能电动汽车协作式巡航控制系统性能。
-
公开(公告)号：CN109733396A
公开(公告)日：2019-05-10
申请号：CN201811635903.1
申请日：2018-12-29
Applicant: 厦门大学
Abstract: 过驱动无人驾驶汽车输入饱和自适应分级控制系统及方法。控制系统设有感知模块、输入饱和逼近模块、自适应终端神经滑模上级控制模块、下级控制分配模块；上级控制模块包括参数调节律、神经网络估计器和自适应终端滑模控制器。控制方法：采集行驶周围环境信和车辆状态信息，建立描述具有饱和输入和参数不确定特性的过驱动无人驾驶汽车非线性动力学模型；设计克服非线性和参数不确定性的过驱动无人驾驶汽车自适应终端神经滑模上级控制模块，动态规划出过驱动无人驾驶汽车运动所需的广义力/力矩；设计基于轮胎负荷率优化的过驱动无人驾驶汽车下级控制分配器，根据上级控制器给出的期望广义力/力矩动态规划出各执行机构的最优轮胎力。
-
公开(公告)号：CN109334672A
公开(公告)日：2019-02-15
申请号：CN201811319084.X
申请日：2018-11-07
Applicant: 厦门大学
IPC: B60W50/00
Abstract: 一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，涉及电动汽车。基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型；建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块；设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力。有效克服了智能电动汽车系统模型的时变性和外部干扰，明显提高了智能电动汽车横向运动控制系统性能，降低了成本。
-
公开(公告)号：CN113619563B
公开(公告)日：2022-08-30
申请号：CN202111038399.9
申请日：2021-09-06
Applicant: 厦门大学
Abstract: 基于人机共享的智能电动汽车横向控制系统及方法，属于汽车智能驾驶领域。所述基于人机共享的智能电动汽车横向控制系统包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块。为使得智能电动汽车转向过程更好的体现驾驶员跟车特性，建立描述驾驶员转向行为的驾驶员转向模型，设计基于模型预测控制的转向控制器，提出基于深度学习的人机共享控制驾驶权分配模块，构建基于人机共享的智能电动汽车横向控制系统及方法，实现智能电动汽车协同控制。明显增强智能电动汽车横向控制系统性能。
-
公开(公告)号：CN113361491A
公开(公告)日：2021-09-07
申请号：CN202110813077.0
申请日：2021-07-19
Applicant: 厦门大学
Abstract: 一种无人驾驶汽车对行人的过街意图预测方法，涉及无人驾驶汽车技术领域。步骤1：行人检测模型以Faster RCNN为基础，并在此基础上采用SE Net结构改进神经网络卷积模块，并通过K‑means聚类设计具有道路行人检测针对性的锚框宽高比；步骤2：设计对道路行人跟踪的粒子滤波算法，利用多特征融合策略实现对道路行人进行跟踪；步骤3：设计基于神经网络的行人过街意图预测模型。可增强无人驾驶汽车对道路行人动作的预测能力，提高无人驾驶汽车感知与决策性能。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.093 seconds)
