-
公开(公告)号：CN118182495A
公开(公告)日：2024-06-14
申请号：CN202410619631.5
申请日：2024-05-20
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
IPC: B60W40/109 , B60W50/00
Abstract: 本发明公开了一种基于非线性轮胎和车辆横向动力学模型的车辆动力学参数估计方法、装置、介质及产品，涉及车辆动力学领域。方法包括：建立基于简化魔术公式轮胎的车辆横向动力学模型，根据历史行驶数据和待估计动力学参数对轮胎魔术公式系数和侧偏角进行表征；构造关于横向加速度的非线性优化问题，采用列文伯格‑马夸特算法求解得到动力学参数和轮胎魔术公式系数估计值；基于历史行驶数据、动力学参数估计值和轮胎魔术公式系数估计值，构造绕偏航轴转矩与角加速度的线性回归问题，采用最小二乘法求解得到车辆绕偏航轴转动惯量估计值。本发明能够提高车辆动力学参数的估计准确度、应用成本低且能够获取完整动力学参数。
-
公开(公告)号：CN115903853A
公开(公告)日：2023-04-04
申请号：CN202310016889.1
申请日：2023-01-06
Applicant: 北京理工大学 , 北理慧动(北京)教育科技有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种基于有效障碍物的安全可行域生成方法及系统，涉及无人驾驶技术领域。该方法包括：采集无人车的姿态信息；采集障碍物的空间位姿信息；建立堆栈，堆栈当前为空；基于无人车的姿态信息以及障碍物的空间位姿信息，将第1个障碍物的相关信息储存到堆栈中；基于无人车的姿态信息以及障碍物的空间位姿信息，对剩余障碍物的有效性进行判断，将有效障碍物的相关信息储存到堆栈中；基于堆栈中所有有效障碍物生成安全可行域。本发明考虑障碍物与目标无人车的交互关系，筛除无效障碍物降低安全可行域维度，使得安全可行域维度是小于等于障碍物个数的，在障碍物密集的情况下，效果尤为明显，极大程度上降低了安全可行域维度。
-
公开(公告)号：CN114995466B
公开(公告)日：2022-11-15
申请号：CN202210918700.3
申请日：2022-08-02
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种多无人驾驶车辆三维时空运动走廊生成方法和系统，属于运动规划技术领域。先建立多无人驾驶车辆三维时空运动走廊生成模型，然后获取障碍物信息和每一无人驾驶车辆的参考轨迹，最后以障碍物信息和参考轨迹作为输入，利用多无人驾驶车辆三维时空运动走廊生成模型生成每一无人驾驶车辆的三维时空运动走廊，从而考虑时间层面生成多无人驾驶车辆的三维时空运动走廊，且各个无人驾驶车辆的三维时空运动走廊之间无碰撞，各个无人驾驶车辆的三维时空运动走廊与障碍物之间无碰撞，在多无人驾驶车辆运动规划中能够生成安全、可通行、无碰撞和光滑的三维时空运动走廊。
-
公开(公告)号：CN114489087B
公开(公告)日：2022-07-05
申请号：CN202210400906.7
申请日：2022-04-18
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种多无人驾驶车辆路径协同规划方法及系统。该方法包括建立多无人驾驶车辆行驶的环境模型；建立每一无人驾驶车辆的运动学模型，并根据运动模型建立无人驾驶车辆之间的防碰撞包裹圆模型；根据无人驾驶车辆的之间防碰撞包裹圆模型以及环境模型，采用分离超平面定理，建立无人驾驶车辆与环境中动静态障碍物防碰撞模型；根据环境模型、运动学模型、防碰撞包裹圆模型以及无人驾驶车辆与环境中动静态障碍物防碰撞模型，基于交替方向乘子法逐步迭代对多无人驾驶车辆进行解耦式运动规划，确定每一无人驾驶车辆的最优路径。本发明能够合理的避免与动静态障碍物发生碰撞，进而实现多无人驾驶车辆协同规划控制。
-
公开(公告)号：CN114355954A
公开(公告)日：2022-04-15
申请号：CN202210274213.8
申请日：2022-03-21
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种无人履带车辆转向过程的跟踪控制方法和系统。该方法基于构建的运动学模型和坐标值模型确定非线性运动学微分模型后，根据非线性运动学微分模型构建跟踪时域预测模型，再对跟踪时域预测模型进行线性化处理得到时域预测线性化模型，接着，在采用向前欧拉法，将时域预测线性化模型离散化得到预测模型后，又根据预测模型构建代价函数模型，然后，确定代价函数模型的最小值，得到最优开环序列，最后，根据最优开环序列实现无人履带车辆转向过程中纵横向耦合控制，以实现无人履带车辆对未来轨迹的预测，从而达到无人履带车辆对预测期望轨迹的高精度、强稳定性控制。
-
Patent Agency Ranking
公开(公告)号：CN119740473A
公开(公告)日：2025-04-01
申请号：CN202411802927.7
申请日：2024-12-10
Applicant: 国网青海省电力公司清洁能源发展研究院 , 国网青海省电力公司经济技术研究院 , 国网青海省电力公司 , 北京理工大学
IPC: G06F30/27 , G06F18/231 , G06F18/2415 , G06F111/20 , G06F111/06
Abstract: 本申请提供一种用于构网型储能的自动编址方法，涉及信息技术领域，包括：建立多时空尺度的储能系统多粒度模型，所述多粒度模型包括粗粒度模型和细粒度模型；针对所述自适应选择的多粒度模型输出结果，采用多目标优化算法将不同粒度模型的输出进行融合，生成一致性的预测结果和控制策略；在多目标优化过程中，引入权重系数对不同的优化目标进行加权处理，所述权重系数根据系统的运行状态和性能需求进行自适应调整；对所述融合后的模型采用数据驱动的建模方法，通过历史运行数据和实时监测数据，自适应地学习和更新系统模型；针对实时控制需求，对修正后的模型采用在线学习和增量学习方法，根据新的运行数据和反馈信息，实时更新和优化系统模型。
-
公开(公告)号：CN116846202A
公开(公告)日：2023-10-03
申请号：CN202310832983.4
申请日：2023-07-10
Applicant: 北京理工大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开一种基于网络构造型变换器的负序电流抑制系统及方法，涉及并网型变换器技术领域。负序电流反馈模块包括：第一滤波单元对三相输出电流进行滤波，得到负序分量瞬时值；放大单元对负序分量瞬时值进行放大，得到放大后的负序分量瞬时值；差值单元将第一电压参考值与放大后的负序分量瞬时值做差值计算，得到第二电压参考值；负序电压前馈控制模块包括：第二滤波单元对三相系统电压进行滤波，得到三相负序分量；求和单元将第二电压参考值与三相负序分量做求和计算，得到第三电压参考值。本发明降低了变换器输出电流中的负序分量，提高了变换器和电力系统运行的稳定性。
-
公开(公告)号：CN116719328A
公开(公告)日：2023-09-08
申请号：CN202310999974.4
申请日：2023-08-10
Applicant: 北京理工大学 , 北理慧动(北京)教育科技有限公司
IPC: G05D1/02
Abstract: 本发明公开一种多无人车编队队形控制及避障重构方法与系统，涉及非电变量控制技术领域。本发明在实施过程中，可仅由领航车实时求解与各跟随车的编队参数，跟随车只负责按编队参数跟踪，不需要路径规划，具有重构求解效率高的特点；并且，通过比例控制器分别建立编队参数和误差函数对跟随车的控制分量，能够实现误差的收敛，使无人车迅速运动至编队参数要求的位置，队形形成迅速且保持精度高；进一步，以跟随车的最大输出控制量为约束进行跟随车输出控制量的确定，能够限制跟随车总控制量，使输出控制量满足车辆运动能力，跟踪过程平滑，不会出现超调的现象。
-
公开(公告)号：CN114995465B
公开(公告)日：2022-11-15
申请号：CN202210918687.1
申请日：2022-08-02
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种考虑车辆运动能力的多无人车运动规划方法和系统，属于运动规划技术领域。先建立多无人驾驶车辆三维时空运动走廊生成模型，包括目标函数、第一约束条件、第二约束条件、第三约束条件和第四约束条件。然后获取每一无人驾驶车辆的参考轨迹、车长、车宽和初始中心点的坐标。最后以所有无人驾驶车辆的参考轨迹、车长、车宽和初始中心点的坐标作为输入，利用多无人驾驶车辆三维时空运动走廊生成模型生成每一无人驾驶车辆的三维时空运动走廊，可以有效解决生成的三维时空运动走廊过小或者走廊台阶之间不连续的问题，能够实现多无人驾驶车辆有效的规划与控制。
-
公开(公告)号：CN114330113A
公开(公告)日：2022-04-12
申请号：CN202111548873.2
申请日：2021-12-17
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , H02J3/00 , H02J3/24 , H02J3/46 , G06F111/04 , G06F113/04
Abstract: 本发明提出了一种基于深度强化学习的新能源电力系统弹性优化方法，能够大幅减少了在调度过程中产生的人力成本，也避免了人工沟通的延时性带来的影响。本发明引入神经网络的深度强化学习可通过试错和探索在高度动态的随机环境中进行学习，互动情境使其具有较强的学习能力和适应能力，更适合用于解决具有复杂非线性和不确定性的新能源电力系统有功功率调度问题。深度强化学习兼具强化学习的决策能力和深度学习的计算能力，在新能源电力系统中的应用必将改变传统的能源利用模式，使系统更加智能化。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
