-
公开(公告)号：CN112550272B
公开(公告)日：2021-07-30
申请号：CN202011475175.X
申请日：2020-12-14
Applicant: 重庆大学
IPC: B60W20/11
Abstract: 本发明涉及一种基于视觉感知与深度强化学习的智能混合动力汽车分层控制方法，属于新能源汽车与智能汽车的交叉领域。该方法包括：在上层环境中，通过智能汽车的环境感知，利用摄像头与卷积网络实时监测前方车辆与路面情况，从而根据单目摄像头测距方法计算出实时的跟车距离并且判断出最佳的跟车距离；在中层环境中，利用深度值网络控制车辆的纵向加速度，从而实现混合动力汽车的智能跟车控制；在下层环境中，利用深度值网络算法控制并联式混合动力系统，完成对发动机与机械式无级变速器的协同控制，从而依据实时的需求功率进行混合动力汽车能量管理，最终实现智能化混合动力汽车的最佳燃油经济性。
-
公开(公告)号：CN111845701A
公开(公告)日：2020-10-30
申请号：CN202010777968.0
申请日：2020-08-05
Applicant: 重庆大学
IPC: B60W20/00 , B60W30/165 , B60W40/00 , B60W50/00
Abstract: 本发明涉及一种跟车环境下基于深度强化学习的HEV能量管理方法，属于智能混合动力汽车控制领域。该方法包括：基于跟随车的实时车速等信息，确定两车之间的最短安全距离以及最长跟车距离；建立串联式DDPG算法模型，学习跟车速度规划策略以及能量管理控制策略；定义DDPG算法中的变量空间；当每次迭代过程所获得的总奖励值趋于稳定收敛状态并且学习效果较为理想后，结束离线训练过程并且保存持久化模型；制定评价指标，并且利用动态规划算法作为能量管理策略的对比标准。本发明针对具有自动跟车功能的智能混合动力汽车，利用深度强化学习算法，完成跟车环境的速度规划以及传动系统的能量管理，实现整车的综合控制。
-
公开(公告)号：CN111717217A
公开(公告)日：2020-09-29
申请号：CN202010624121.9
申请日：2020-06-30
Applicant: 重庆大学
Abstract: 本发明涉及一种基于概率修正的驾驶员意图识别方法，属于无人驾驶汽车领域。该方法包括：S1：采集驾驶行为的数据，并预处理；S2：获取环境道路信息，选取特征数据，并用MGHMM模型进行驾驶员意图的初步识别，计算得到观测序列对应于各驾驶员意图模型初始概率；S3：结合环境道路信息和采集的驾驶员数据对驾驶员意图模型初始概率P1进行修正，分别得到修正概率P2和P3；S4：将修正后的驾驶员意图模型概率输入PSO-SVM分类器进行分类识别，辨识出最终的驾驶员意图。本发明大大提高了驾驶员意图识别的精度和实用性。利用本发明可进行驾驶员辅助系统的开发设计，实现无人驾驶汽车的人车协同控制。
-
公开(公告)号：CN118092150B
公开(公告)日：2024-10-22
申请号：CN202311515188.9
申请日：2023-11-13
Applicant: 重庆大学
Abstract: 本发明涉及一种深度强化学习型能量管理策略的无权重训练以及测试方法，属于新能源汽车与人工智能算法的交叉领域。该方法包括：S1：建立面向离线迭代训练的仿真道路场景，并搭建来自于真实道路的测试场景，同时设计面向短时域行驶范围的实时速度规划方法；S2：针对多种配备单电机的并联混合动力系统构型，建立基于Python环境与Simulink环境的联合仿真训练架构；S3：设计无权重化训练方法，通过消除原先奖励函数中关于瞬时燃料消耗和SOC偏差的优化项后，引入规则型发动机启停策略实现针对SOC变化的维持，并利用发动机最佳运行曲线与燃油消耗率引导深度强化学习型智能体探索最优型能量管理策略；S4：离线仿真训练与测试环节结束后进行硬件在环测试。
-
公开(公告)号：CN118529018A
公开(公告)日：2024-08-23
申请号：CN202410595369.5
申请日：2024-05-14
Applicant: 重庆大学
Abstract: 本发明涉及一种混合动力汽车横向纵向协同综合效率优化方法，属于新能源汽车节能技术领域。该方法包括：S1：构建多车道动态交通模型，获取自车和周围交通参与者状态信息；S2：将历史车辆状态信息分为舍弃集和预测集，使用动态模式分解算法基于预测集进行多车道交通流预测，获得各车道速度加权值；S3：将车辆状态信息和车道交通流预测信息作为优先经验回放DDQN算法输入，进行自车的变道决策和车速规划；S4：根据车辆构型，构建自车动力系统模型，建立车辆不同动力源之间的能量流分配关系；S5：将规划的车速轨迹作为深度强化学习算法输入，计算车辆需求功率和需求转矩，在燃油消耗最小化约束下，进行自车动力系统中能量流的分配优化。
-
Patent Agency Ranking
公开(公告)号：CN114644017B
公开(公告)日：2024-08-23
申请号：CN202210486621.X
申请日：2022-05-06
Applicant: 重庆大学
Abstract: 本发明涉及一种实现自动驾驶车辆安全决策控制的方法，属于自动驾驶汽车领域。该方法包括：S1：构建基于深度强化学习的决策模型及其不确定性评估方法，包括构建汽车运动学模型、状态空间、动作空间、构建奖励函数；构建并训练基于深度强化学习的决策模型；S2：构建危险场景下的混合安全决策模型。本发明可以输出决策模型的不确定性，帮助自动驾驶车辆识别出决策危险场景，并可以在车辆面临决策危险场景时采取备选安全策略，提升自动驾驶车辆安全性。
-
公开(公告)号：CN118124333B
公开(公告)日：2024-08-16
申请号：CN202410434357.4
申请日：2024-04-11
Applicant: 重庆大学
Abstract: 本发明涉及一种混合动力汽车能量与热管理多智能体协同控制方法，属于新能源汽车技术领域，包括以下步骤：S1：建立混合动力汽车的动力系统与热管理系统的控制模型；S2：建立智能体与状态空间、控制维度之间的映射关系，设计对应的奖励函数；S3：建立基于多智能体深度强化学习算法的混合动力汽车热管理与能量管理的协同控制框架，求解包含燃油经济性、动力电池健康度、座舱热舒适性的多目标优化问题。本发明利用多智能体深度强化学习算法解决多目标优化问题，通过多个策略网络指导智能体，实现动力系统与空调系统的自适应协调控制，提高整车能源利用效率。
-
公开(公告)号：CN118444659A
公开(公告)日：2024-08-06
申请号：CN202410528558.0
申请日：2024-04-29
Applicant: 重庆大学
IPC: G05B23/02
Abstract: 本发明涉及一种高维空间中强化学习型控制策略的安全评估与应用方法，隶属于新能源汽车与人工智能的交叉领域。该方法包括：S1：定义归一化状态空间、动作空间与奖励函数，引导智能体掌握当前训练环境下的近优或者最优控制策略，并保存实时生成的训练样本；S2：搭建现阶段与神经网络型近优或最优控制策略模型相对应且保持稳定控制可靠性的高维已知状态空间；S3：以高维历史状态空间为基准并且以单簇的聚类结果为中心，提出判断窗以及隶属度概念，明确在何种状态张量的数据驱动下具有可靠性且满足最优控制效果；S4：强化采集边界与陌生区域的状态转移样本，构建面向真实且陌生的环境样本集，用于提升深度强化学习型策略的适用性与安全性。
-
公开(公告)号：CN116424332A
公开(公告)日：2023-07-14
申请号：CN202310378883.9
申请日：2023-04-10
Applicant: 重庆大学
Abstract: 本发明涉及一种深度强化学习型混合动力汽车能量管理策略增强更新方法，属于混合动力汽车技术领域。该方法包括：S1：获取不同类型的车辆历史速度数据；S2：将获取数据分别划分为初始、强化和终极阶段后进行合并，生成相应阶段的速度状态转移特征矩阵；S3：根据速度状态转移特征矩阵生成基于态序的特征驾驶工况，用于对深度强化学习型混合动力汽车能量管理策略训练；S4：定义策略训练所需的变量空间和奖励函数，并且以Matlab的.m文件为数据接口，实现联合仿真训练；S5：完成深度强化学习型混合动力汽车能量管理策略的在线增强更新式迭代训练过程，训练结束后下载最新策略并加载到混合动力系统模型中进行后续测试。
-
公开(公告)号：CN114312845A
公开(公告)日：2022-04-12
申请号：CN202210009502.5
申请日：2022-01-06
Applicant: 重庆大学
Abstract: 本发明涉及一种基于地图数据的深度强化学习型混合动力汽车控制方法，属于新能源汽车与智能网联汽车的交叉领域。该方法包括：处理地图数据，建立环境模型；预规划目标速度轨迹；建立车身模型与混合动力系统模型，根据整车动力学对行驶过程进行受力分析并且确定混合动力系统功率平衡关系；车辆转向控制影响分析；建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，以整车的加速度与转向角以及混合动力系统的发动机与变速器为控制对象，建立控制策略的状态空间、动作空间以及奖励函数，并且进行阶梯式迭代训练过程。本发明能实现混合动力汽车的智能网联化自动驾驶。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
