公开(公告)号：CN116812046A

公开(公告)日：2023-09-29

申请号：CN202310775325.6

申请日：2023-06-28

Applicant: 安徽工程大学

Inventor： 时培成 ,  吴文超 ,  周自宝 ,  陈智松 ,  朱迎奥 ,  丁振同 ,  单子贤 ,  周梦如 ,  肖平 ,  王海涛 ,  徐中梁 ,  朱繁 ,  刘玉柱 ,  齐浩 ,  武圣凯 ,  夏子杰

IPC: B62K5/027 ,  B62L3/04 ,  B62M6/45 ,  B62M6/50 ,  B62K21/26 ,  B62J25/04 ,  B62K23/02

Abstract: 本发明公开了一种能自动感应刹车的电动滑板车，涉及电动滑板车的技术领域，包括滑板车车基体、人控制动机构及自控制动机构，其中，滑板车车基体包括车底盒、前装轴一、前装轴二、前装轮、后装轴、后装轮及电动机一；人控制动机构对称设置于车底盒的后部并用于人为执行刹车操作，以控制滑板车车基体的滑行速度；自控制动机构包括感应模块与自控模块，所述感应模块设于车底盒的前方并用于监测车底盒的前方是否存在障碍物，自控模块对称设置于车底盒的中后部并用于自动执行刹车操作，以控制滑板车车基体的滑行速度。本发明中的能自动感应刹车的电动滑板车具有方案合理、结构巧妙、安全性好及可靠性高的特点，非常适合儿童的日常玩耍。

公开(公告)号：CN115929152A

公开(公告)日：2023-04-07

申请号：CN202310164578.X

申请日：2023-02-25

Applicant: 安徽工程大学

Inventor： 时培成 ,  杨礼 ,  周自宝 ,  陈智松 ,  单子贤 ,  朱繁 ,  刘玉柱 ,  高坤 ,  周定华 ,  丁振同 ,  海滨 ,  周之光 ,  张荣芸 ,  王建平 ,  武新世 ,  沙文瀚 ,  王云涛 ,  王天赐

IPC: E05F15/689 ,  E05F15/72

Abstract: 本发明涉及汽车零部件技术领域，具体涉及一种汽车溺水车窗自动下降装置，通过穿设于蜗轮与齿轮装置之间的连接轴，连接轴上设有第一轴段、第二轴段，车门外侧设有外盒，外盒内部设有里盒，里盒上开设有溺水孔，外盒靠近车窗升降器的一侧开设有第一通孔，第一通孔处封闭连接有水溶布，连接轴一端与车门内侧之间抵接有弹性件，另一端沿第一通孔穿设入里盒内，并抵接于水溶布上，里盒内设有浮动件，浮动件上开设有第二通孔，车辆溺水时，水进入里盒，浮动件上移，水溶布遇水溶解，连接轴受弹性件推动，沿第二通孔横移贯穿，以使细轴段移至第二轮孔内，并脱离与齿轮装置的啮合连接，实现触发自动下降车窗玻璃，可靠性得到进一步提高。

公开(公告)号：CN116513091A

公开(公告)日：2023-08-01

申请号：CN202310690238.0

申请日：2023-06-12

Applicant: 安徽工程大学

Inventor： 时培成 ,  吴文超 ,  周自宝 ,  周定华 ,  刘琳 ,  倪绍勇 ,  王建平 ,  马涛锋 ,  张荣芸 ,  卜凡 ,  徐华超 ,  沙文瀚 ,  席斌 ,  周之光 ,  海滨 ,  高立新 ,  赵夕长 ,  苏林 ,  朱迎奥

IPC: B60R19/04 ,  B60R19/18 ,  B60T1/14 ,  B60T7/22

Abstract: 本发明公开一种无人车碰撞吸能装置，包括前挡板、伸缩杆、伸缩筒、固定筒和基座，通过设置二级吸能结构，在轻微碰撞时，仅仅第一级吸能结构进行吸能，此状态下，前挡板会略微后移，并在车辆移开后恢复，减小碰擦造成的前挡板损坏。但碰撞时的动能较大时，会触发第二级吸能结构进行吸能，使得前挡板会进一步后移。而在碰撞时的动能更大时，二级吸能机构直接释放掉所有能量，并触发紧急制动组件，帮助车辆停止，减小碰撞造成的伤害。

公开(公告)号：CN116300944A

公开(公告)日：2023-06-23

申请号：CN202310303645.1

申请日：2023-03-24

Applicant: 安徽工程大学

Inventor： 时培成 ,  张建国 ,  杨礼 ,  周自宝 ,  陈智松 ,  单子贤 ,  朱繁 ,  刘玉柱 ,  高坤 ,  周定华 ,  丁振同 ,  海滨 ,  周之光 ,  张荣芸 ,  王建平 ,  武新世 ,  沙文瀚 ,  王云涛 ,  王天赐

IPC: G05D1/02

Abstract: 本发明公开一种基于改进Double DQN的自动驾驶决策方法，包括如下步骤：S1、采集自动驾驶车辆周边的环境信息，对采集到的环境信息进行预处理，剔除环境信息中与车辆自动驾驶行为无关的噪声；S2、基于预处理后的环境信息搭建仿真环境，并设置决策约束条件，在仿真平台上搭建改进Double DQN神经网络；S3、对改进Double DQN神经网络进行训练，将自动驾驶车辆实时采集到的环境信息进行预处理后输入训练好的Double DQN神经网络，输出当前最优的执行动作。采用目标网络组计算动作价值函数取最小值，改善了传统算法中因目标网络计算动作价值函数时采用最大化而带来的过估计问题；目标网络组分别采用滑动更新和直接复制的双更新机制提高了基于深度强化学习的网络参数更新效率。