公开(公告)号：CN112158200A

公开(公告)日：2021-01-01

申请号：CN202011023668.X

申请日：2020-09-25

Applicant: 厦门大学

Inventor： 郭景华 ,  李文昌 ,  王靖瑶 ,  肖宝平 ,  王班

IPC: B60W30/16

Abstract: 基于驾驶员特性的智能电动汽车跟车控制系统及方法，属于汽车智能驾驶领域。系统包括自组织神经网络驾驶员模型、上层控制模块和下层控制模块，首先建立描述驾驶员跟车行为特征的自组织神经网络驾驶员跟车模型，其次基于模型预测控制理论设计上层控制模块，并结合自组织神经网络驾驶员模型输出的参考加速度，以跟车安全性、符合驾驶员特性和经济性为目标求解优化期望加速度；下层控制模块用于实现对期望加速度的跟踪。为提高智能电动汽车制动时的能量效率，在下层控制模块中设计了再生制动控制器协调分配各执行器的制动力矩以最大化制动能量的回收。明显提高了智能电动汽车跟车控制系统性能。

公开(公告)号：CN109291925B

公开(公告)日：2020-08-18

申请号：CN201811098268.8

申请日：2018-09-20

Applicant: 厦门大学

Inventor： 郭景华 ,  李文昌 ,  王进 ,  王班

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：CN113682293A

公开(公告)日：2021-11-23

申请号：CN202111153172.9

申请日：2021-09-29

Applicant: 厦门大学

Inventor： 郭景华 ,  王班 ,  王靖瑶 ,  肖宝平 ,  何智飞

IPC: B60W20/11 ,  B60W20/15 ,  B60W10/06 ,  B60W10/08 ,  B60W10/26 ,  B60W50/00

Abstract: 智能网联混合动力汽车多系统动态协调控制系统及方法，涉及汽车智能安全与自动驾驶。系统包括数据模块、数据感知模块、与多系统动态协调控制系统。智能网联混合动力汽车通过车载传感器获得车辆状态信息，并将其发送给多系统动态协调控制模块；多系统动态协调控制模块根据获得的车辆状态信息，求解最优发动机功率与电机功率分配方案以提高车辆的燃油经济性；建立可准确表征智能网联混合动力汽车多过程耦合的车辆动力学模型，作为智能网联混合动力汽车多系统动态协调控制算法的执行机构，执行由多系统动态协调控制器输出的可执行控制信号，进行车辆状态更新。有效解决多目标对于车辆控制要求相矛盾等问题，可获得更好的计算结果，提高计算速度。

公开(公告)号：CN113619563A

公开(公告)日：2021-11-09

申请号：CN202111038399.9

申请日：2021-09-06

Applicant: 厦门大学

Inventor： 郭景华 ,  王靖瑶 ,  何智飞 ,  肖宝平 ,  王班

IPC: B60W30/02 ,  B60W50/00

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：CN112201069B

公开(公告)日：2021-10-29

申请号：CN202011026453.3

申请日：2020-09-25

Applicant: 厦门大学

Inventor： 郭景华 ,  李文昌 ,  王靖瑶 ,  王班 ,  肖宝平

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。

公开(公告)号：CN110979302B

公开(公告)日：2020-11-10

申请号：CN201911310129.1

申请日：2019-12-18

Applicant: 厦门大学

Inventor： 郭景华 ,  王靖瑶 ,  郑华青 ,  王班 ,  李文昌 ,  肖宝平

IPC: B60W10/08 ,  B60W30/18 ,  B60W40/00 ,  B60W40/10

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。