-
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：CN118673986A
公开(公告)日：2024-09-20
申请号：CN202410721998.8
申请日：2024-06-05
Applicant: 重庆大学
IPC: G06N3/08 , G06N3/0455
Abstract: 本公开提供一种增强局部感知注意力的模型训练方法、预测方法和装置，包括：获取模型训练样本；将模型训练样本输入预设网络模型的Embedding模块，得到高维空间表征数据；将高维空间表征数据输入预设网络模型的编码器模块，得到局部感知表征数据；将局部感知表征数据输入预设网络模型的解码器模块，得到训练车辆行驶时的制动意图预测结果；采用预设损失函数，基于制动意图预测结果对预设网络模型进行训练，得到制动意图预测模型。从而，通过增强预测模型对局部数据变化趋势的敏感性，有效提升模型预测精度，大幅度提高行车安全。
-
公开(公告)号：CN115906328B
公开(公告)日：2024-08-27
申请号：CN202211670946.X
申请日：2022-12-25
Applicant: 重庆大学
IPC: G06F30/17 , G06T17/20 , G06F119/14
Abstract: 本发明提供的一种人字齿行星传动系统耦合动力学分析方法，包括以下步骤：S1.构建人字齿行星传动系统中的齿轮副润滑模型，并判断齿轮副润滑模型是否达收敛条件，如是，则求出最小油膜厚度hmin，进入步骤S2；S2.基于最小油膜厚度判断人字齿行星传动系统的齿轮副接触区的润滑状态，并计算不同润滑状态下的摩擦系数，并基于摩擦系数确定齿面摩擦力；S3.构建人字齿行星传动系统的运动微分方程；S4.将步骤S2中确定的齿面摩擦力代入到人字齿行星传动系统的运动微分方程中，求解出人字齿行星传动系统中目标构件的位移；从传动系统中的齿轮副之间的润滑参数入手进行分析处理，能够确定与实际工况吻合、准确的传动系统中的内外激励的同时，有效地简化算法过程，提高效率，为后续的动力学分析提供准确的数据支持。
-
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。
-
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。
-
Patent Agency Ranking
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：CN118428171A
公开(公告)日：2024-08-02
申请号：CN202410636576.0
申请日：2024-05-22
Applicant: 国网安徽省电力有限公司电力科学研究院 , 重庆大学 , 国网安徽省电力有限公司 , 中国电力科学研究院有限公司
IPC: G06F30/23 , G06F30/28 , G06F17/12 , G06F119/08 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种基于场路耦合的油浸式变压器流场与温度场计算方法，包括以下步骤：步骤1、“场”模型计算：采用有限元法对油浸式变压器油箱的流体温度场模型进行热流耦合计算；步骤2、“路”模型计算：获取油浸式变压器散热装置冷却油路模型的参数并进行计算；步骤3、“场”模型与“路”模型耦合计算：将“场”模型与“路”模型结合，采用场路耦合分析方法对流体温度场结果进行修正，得到最终结果。本发明所述方法解决了油浸式变压器流场与温度场的耦合计算问题，将油箱的流体温度“场”模型与散热装置等效油“路”模型结合，避免因缺少散热装置模型导致的温度场计算不准确的问题，提高了计算精度，为油浸式变压器的温升计算提供科学依据。
-
公开(公告)号：CN117755260A
公开(公告)日：2024-03-26
申请号：CN202410119380.4
申请日：2024-01-29
Applicant: 重庆大学
IPC: B60T13/74
Abstract: 本公开提供一种面向弱势道路使用者的自动紧急制动控制方法，包括：获取行驶车辆与行驶车辆前方的移动目标之间的相对距离，以及行驶车辆与移动目标之间的相对速度；将行驶车辆与行驶车辆前方的移动目标之间的相对距离以及行驶车辆与移动目标之间的相对速度输入预先训练好的决策控制模型中，基于决策控制模型的输出结果确定行驶车辆对应的期望制动减速度；采用预先优化好的跟踪控制器，对行驶车辆对应的期望制动减速度进行反馈调节。从而，通过双层前馈神经网络结构作为决策控制模型的网络结构，具有较好的时效性，并且，采用PID控制器作为紧急制动控制过程中的跟踪控制器，以对车辆进行有效的紧急制动，解决了车辆制动过程中存在风险的问题。
-
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
76
records
(took 0.028 seconds)
