-
公开(公告)号：CN111815160A
公开(公告)日：2020-10-23
申请号：CN202010647385.6
申请日：2020-07-07
Applicant: 清华大学
Abstract: 本发明公开了一种多维度节点连接评估方法，该方法包括：S1，根据智能车周边的环境信息，采用人工势能场方法建立评估越野环境风险用的多层次环境态势场模型；S2，通过随机采样生成越野环境空间中的节点，建立越野环境空间拓扑图，生成多维度节点连接评估模型；多维度节点连接评估模型包括：连通评估矩阵，用于评估节点之间路段连通可行性；通行代价矩阵，用于评估节点之间路段通行代价；本发明能够根据车辆周边多维度越野环境信息输出其环境态势场势能值，并在此基础上采用随机采样方法建立越野环境空间拓扑图，并评估拓扑图中节点之间的越野环境通行风险，该风险为生成优化路径，以及达到可行、安全、高效的智能车辆行驶目标提供有利条件。
-
公开(公告)号：CN111562740A
公开(公告)日：2020-08-21
申请号：CN202010371477.6
申请日：2020-05-06
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本发明涉及自动控制技术领域，特别涉及一种基于利用梯度的多目标强化学习算法的自动控制方法。本发明利用强化学习算法中已知的梯度信息更新函数参数，相比于单策略多目标强化学习算法，本算法能够求得帕雷托前沿解集，可以在实际控制时根据不同需要选择不同的控制策略；相比于多策略多目标强化学习算法中的凸包法，本算法不依赖于目标回报的线性加权，能够获得前沿解中非凸区域的控制策略；相比于多策略多目标强化学习算法中的多参数法，本算法能够一次性求解所有帕雷托前沿解，算法效率较高；相比于多策略多目标强化学习算法中的结合多目标优化算法的方法，本算法利用了梯度信息，加快了算法的收敛速度。
-
公开(公告)号：CN111338335A
公开(公告)日：2020-06-26
申请号：CN201911422209.6
申请日：2019-12-31
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法，首先通过建立一种基于车道参考线的参考坐标系，得到车辆当前时刻在该参考坐标系下的运动状态向量；接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合，纵向采样轨迹集合内的所有采样轨迹的曲线形式相同，横向采样轨迹集合内所有采样轨迹的曲线形式相同；然后将横纵向采样轨迹进行合成；随后将合成后的采样轨迹转换回笛卡尔坐标系下，并剔除不满足轨迹曲率和碰撞检测的采样轨迹；最后计算每一条采样轨迹的代价，其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率，对复杂约束条件适应性强。
-
公开(公告)号：CN108762095B
公开(公告)日：2020-05-12
申请号：CN201810761592.7
申请日：2018-07-12
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本发明涉及一种控制量离散的多智能体系统实时分区稳定控制方法，属于自动控制技术领域。本方法首先建立多智能体系统中单个智能体节点的动力学模型，得到各节点的离散控制量的表达；将多智能体系统分解为由相邻两节点组成的多个子系统，建立以子系统的相对速度和间距误差为状态变量的状态方程；并将子系统的状态空间，按照距离上/下界和边界状态轨迹划分多个控制区域，确定各区域内单个智能体的控制量(加速度)，使得子系统间距误差可在有限时间内限制在给定期望范围内，以此可得到控制律，实现控制量离散的多智能体系统的稳定运动控制。本发明方法的实时性较好，对节点控制精度要求低，且能够保障整个多智能体系统的有界稳定性。
-
公开(公告)号：CN110766213A
公开(公告)日：2020-02-07
申请号：CN201910978462.3
申请日：2019-10-15
Applicant: 清华大学
Abstract: 本申请涉及一种汽车乘员碰撞损伤预测方法及计算机设备。上述汽车乘员碰撞损伤预测方法，包括生成验证数据库，所述验证数据库包括车辆碰撞曲线库和乘员损伤数据库。建立质量弹簧模型，利用所述验证数据库，对所述质量弹簧模型进行参数标定。利用所述质量弹簧模型重建多种碰撞工况下的事故，以获取损伤预测结果。本申请通过多层次多角度建模，建立了快速且客观的损伤预测模型。由于所述质量弹簧模型简单且低耗，利用所述质量弹簧模型重建不同碰撞工况下的事故，实现了快速可靠的损伤预测。
-
Patent Agency Ranking
公开(公告)号：CN109941211A
公开(公告)日：2019-06-28
申请号：CN201910220077.2
申请日：2019-03-22
Applicant: 清华大学
Abstract: 本发明公开一种汽车智能驾驶系统结构共用型架构及构建方法，是针对汽车智能驾驶系统优化集成需要提出的一种结构共用型技术方案，该方案将汽车智能驾驶系统分为传感器信息共享、控制器资源共用、执行器操作共管三层架构：在传感层，优化传感器的构成与配置，并通过共享各传感器的信息流，实现信息资源的最大化利用；在控制层，通过控制域划分，使多个处理单元共用同一物理控制器，实现控制资源的合理分配与充分利用；在执行层，对发往执行器的控制指令进行统一管理，以实现各子系统执行功能的协同优化。相比于目前主流的叠加式集成架构，本发明在顶层设计层面实现了部件共用、信息共享和功能协同，解决了现有功能叠加型架构存在的结构冗余、成本较高、资源利用不充分等问题，能够确保汽车智能驾驶系统更为优化的集成。
-
公开(公告)号：CN109910909A
公开(公告)日：2019-06-21
申请号：CN201910135633.6
申请日：2019-02-25
Applicant: 清华大学
Abstract: 本发明涉及一种多车运动状态的汽车轨迹网联交互式预测方法，属于智能网联汽车环境感知技术领域。本发明方法包括确定网联多车的相对位置关系，提取各自行驶状态的特征，将多车的行驶状态特征分别输入到长短时记忆单元中，并将相邻车辆的隐藏状态通过辐射形网络连接共享，从而构建结构化长短时记忆单元,实现对多车间交互关系的建模，然后利用结构化长短时记忆单元建立多层编码-解码器网络进行多车的未来行驶轨迹的预测，之后将网络所得的预测状态发送给决策模块进行自主决策与路径规划。本方法采用结构化长短时记忆单元将网联多车之间的行驶状态进行隐藏状态层的共享，实现交互关系的建模，本方法可以实现在复杂交通环境下，针对多车进行同步的长时间跨度预测，达到较高的预测准确度。
-
公开(公告)号：CN105976567B
公开(公告)日：2019-01-29
申请号：CN201610390463.2
申请日：2016-06-06
Applicant: 清华大学
Abstract: 本发明提供一种基于车辆踏板和跟车行为的驾驶员疲劳检测方法，包括：采集车辆行驶过程中的参数；采用固定移动时间窗的方法，对数据进行切割以获得多个疲劳数据样本；从每一疲劳数据样本中提取疲劳特征；其中疲劳特征至少包括：跟车距离参数、与前车之间的相对速度参数、油门踏板参数、制动踏板参数；将疲劳特征作为疲劳判别指标集，基于事先进行的疲劳驾驶实验进行数据的样本切割与分类器训练。
-
公开(公告)号：CN107628029A
公开(公告)日：2018-01-26
申请号：CN201710722814.X
申请日：2017-08-22
Applicant: 清华大学
Abstract: 本发明公开一种网联汽车队列的节能型稳定性运动控制方法，属于汽车驾驶辅助系统技术领域。该方法首先建立网联汽车队列中单个车辆动力学模型，计算各车辆分别处于加速阶段和滑行阶段的加速度；通过建立以相邻两车组成的跟车子系统的相对速度和相对车间距离误差为状态变量的跟车子系统模型，确定跟车子系统的四种行驶模式，得到在Δv-ΔR平面上的自车状态轨迹；针对前车加速或滑行两种情况，分别得到自车Δv-ΔR状态平面分区图，确定各区间的自车加速度；最后将前车加速和滑行分别得到的自车状态平面分区图合成，得到自车的切换控制图及控制律，实现网联汽车队列各车辆的节能型运动控制。本发明对车辆位置控制精度要求低，有高效节油效果。
-
公开(公告)号：CN105911554A
公开(公告)日：2016-08-31
申请号：CN201610390525.X
申请日：2016-06-06
Applicant: 清华大学
IPC: G01S15/93
CPC classification number: G01S15/931 , G01S15/93
Abstract: 本发明提供一种基于超声波传感器阵列的目标识别方法，包括：步骤1、根于预设的目标物的形状，利用的超声波传感器阵列获取不同形状目标物的测试数据，其中所述测量数据为超声波传感器阵列中传感器与目标物的距离数据；步骤2、对所述测试数据进行预处理，以对超声波传感器阵列中传感器丢失距离数据的情况进行处理；步骤3、对不同形状的目标物的测试数据进行分类以获得不同形状目标物的测试数据的分类特征；将所述分类特征作为输入样本输入到分类器中以对分类器进行训练，获得分类模型。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.052 seconds)
