一种基于意图感知时空注意网络的车辆轨迹预测方法

    公开(公告)号:CN117141518A

    公开(公告)日:2023-12-01

    申请号:CN202311179906.X

    申请日:2023-09-13

    Applicant: 厦门大学

    Abstract: 一种基于意图感知时空注意网络的车辆轨迹预测方法,涉及智能车辆技术领域。步骤1:车辆轨迹预测模型的离线训练:分为通过大规模真实驾驶场景的采集和处理构建训练数据库和训练车辆轨迹预测模型两部分;步骤2:车辆轨迹预测模型的在线实时预测:车辆实时采集数据和数据预处理之后,用训练好的车辆轨迹预测模型在线实时预测,即可预测目标车的轨迹。考虑驾驶意图与邻居车辆交互的耦合性,提出一种意图注意机制,在时间维度上分配注意力权重以提取车辆的历史信息;引入交互关系捕捉模块,基于多头注意力机制获取不同邻居车辆对目标车辆的影响,在空间维度上捕捉车辆之间的交互信息,提升长期轨迹预测的精度,有效地实现预测周围车辆的换道意图。

    异构多智能体系统的完全分布式抗饱和跟踪控制方法

    公开(公告)号:CN113589694B

    公开(公告)日:2023-08-18

    申请号:CN202110879934.7

    申请日:2021-08-02

    Applicant: 厦门大学

    Abstract: 异构多智能体系统的完全分布式抗饱和跟踪控制方法,涉及多智能体系统分布式协调控制。1)基于图论定义多智能体系统的通信拓扑图,给出通信拓扑图的邻接矩阵和拉普拉斯矩阵,描述系统的随机切换通信拓扑;2)给出多智能体系统通信拓扑图的假设;3)建立跟随者和领导者的动力学模型,建立异构多智能体系统跟踪控制的目标函数,给出智能体的动力学需满足的假设;4)设计异构多智能体系统的完全分布式自适应抗饱和跟踪控制协议,给出跟踪控制协议所需满足的线性矩阵不等式条件,提出完全分布式自适应抗饱和跟踪控制方法,构造李雅普诺夫函数,证明控制方法有效性。仅使用局部信息更新耦合增益,有效减少计算量、提高系统安全性和保护隐私。

    无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法

    公开(公告)号:CN110962839B

    公开(公告)日:2020-11-10

    申请号:CN201911310143.1

    申请日:2019-12-18

    Applicant: 厦门大学

    Abstract: 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法,涉及汽车智能安全与自动驾驶领域。通过车载传感器采集无人驾驶电动汽车行驶的自身行驶状态信息和车辆相对于期望轨迹的位置信息,建立表征参数不确定性和时变特性的无人驾驶电动汽车Takagi–Sugeno模糊控制模型,设计一种基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性鲁棒H∞综合控制方法,实现了无人驾驶电动汽车的轨迹跟踪和横向稳定性的集成控制,有效克服了无人驾驶电动汽车轮胎侧偏刚度不确定、预瞄距离和纵向速度时变对系统的影响,显著提升了无人驾驶电动汽车运动控制系统的品质。

    基于MobileNet-SSD的车辆测距系统及方法

    公开(公告)号:CN111723778A

    公开(公告)日:2020-09-29

    申请号:CN202010647265.6

    申请日:2020-07-07

    Applicant: 厦门大学

    Abstract: 基于MobileNet-SSD的车辆测距系统及方法,涉及智能汽车。系统包括标定模块、图像采集模块、检测模块、判断模块、预估模块、跟踪模块、立体匹配模块和测距模块。方法:构建双目视觉系统,并对双目视觉进行标定;双目摄像头同步采集左、右目图像;进行目标车辆检测,判断是否检测出首帧车辆;进一步确定车辆区域的坐标;对左、右目图像车辆区域点进行SGBM立体匹配;计算区域点视差,求出目标物与当前车辆的区域平均距离。检测过程包括HSV车辆阴影检测和MobileNet-SSD车辆检测算法,并结合车辆跟踪算法,提高目标车辆区域获取的速度和准确度,简化图像识别过程,而且提高了检测效果,实现实时高效的测距方法。

    过驱动无人驾驶汽车输入饱和自适应分级控制系统及方法

    公开(公告)号:CN109733396B

    公开(公告)日:2020-06-23

    申请号:CN201811635903.1

    申请日:2018-12-29

    Applicant: 厦门大学

    Abstract: 过驱动无人驾驶汽车输入饱和自适应分级控制系统及方法。控制系统设有感知模块、输入饱和逼近模块、自适应终端神经滑模上级控制模块、下级控制分配模块;上级控制模块包括参数调节律、神经网络估计器和自适应终端滑模控制器。控制方法:采集行驶周围环境信和车辆状态信息,建立描述具有饱和输入和参数不确定特性的过驱动无人驾驶汽车非线性动力学模型;设计克服非线性和参数不确定性的过驱动无人驾驶汽车自适应终端神经滑模上级控制模块,动态规划出过驱动无人驾驶汽车运动所需的广义力/力矩;设计基于轮胎负荷率优化的过驱动无人驾驶汽车下级控制分配器,根据上级控制器给出的期望广义力/力矩动态规划出各执行机构的最优轮胎力。

    一种端到端的分布式流量分配方法

    公开(公告)号:CN109194524B

    公开(公告)日:2020-05-29

    申请号:CN201811182207.X

    申请日:2018-10-11

    Applicant: 厦门大学

    Inventor: 王靖瑶 郑华青

    Abstract: 一种端到端的分布式流量分配算法,涉及网络流量分配领域,本发明包括以下步骤:步骤1:建立非凸优化问题;步骤2:经过选择合适的变量,将非凸优化问题转化为一族等价的凸优化问题;步骤3:提出完全分布式的最优的流量分配算法。本发明为优化非凹效用函数的、完全分布式的、基于优化控制的方法,有着提高网络安全性、降低通讯代价等优点,而且可以节省很大的计算量。

    自动驾驶分布式驱动电动汽车横向与侧倾综合控制方法

    公开(公告)号:CN110979302A

    公开(公告)日:2020-04-10

    申请号:CN201911310129.1

    申请日:2019-12-18

    Applicant: 厦门大学

    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。

    通信时延下智能网联汽车队列主动容错控制方法

    公开(公告)号:CN119176130A

    公开(公告)日:2024-12-24

    申请号:CN202411284172.6

    申请日:2024-09-13

    Applicant: 厦门大学

    Abstract: 通信时延下智能网联汽车队列主动容错控制方法,涉及汽车智能安全与自动驾驶。利用车载传感器以及V2X无线通信系统实现自身和其他车辆的信息交互,采取逆模型补偿和反馈线性化的技术,建立具有传感器故障与执行器故障的汽车队列闭环控制模型,在通信时延影响下设计一种分散式观测器的主动容错控制方法。基于动态比例积分观测器,对传感器故障与执行器故障进行估计,在控制器部分考虑通信时延及对故障进行补偿,实现队列系统的稳定性,确保队列中每辆汽车的期望车车间距以及期望行驶速度。基于故障估计值设计和其他车辆的延迟的输出信息设计分布式控制器,进而抑制传感器与执行器故障带来的影响,实现队列控制的目标。

    Dos攻击下非完整约束链式多智能体系统的安全控制方法

    公开(公告)号:CN119155088A

    公开(公告)日:2024-12-17

    申请号:CN202411293898.6

    申请日:2024-09-14

    Applicant: 厦门大学

    Abstract: Dos攻击下非完整约束链式多智能体系统的安全控制方法,涉及网络安全。1)基于图论定义多智能体系统的通信拓扑图,给出通信拓扑图的邻接矩阵和拉普拉斯矩阵,考虑在受到Dos攻击下系统通信拓扑图对应拉普拉斯矩阵的变化,对领导者的输入假设。2)建立DoS攻击模型的检测机制,考虑高阶链式多智能体系统动力学方程,开发观测器实现在有限时间内对领导者信息的估计。3)通过建立弹性分布式观测器非线性协议,将一组链表系统的一致性跟踪控制问题转化为单链表系统的跟踪控制问题。4)基于反步控制,证明对于给定的领导者和跟随者的链式动力学方程,在Dos攻击下,实现在有限时间内安全一致性跟踪。

    一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法

    公开(公告)号:CN114067178B

    公开(公告)日:2024-09-06

    申请号:CN202111368338.9

    申请日:2021-11-18

    Applicant: 厦门大学

    Abstract: 一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法,涉及无人驾驶。系统包括数据集获取模块、模型训练模块和轨迹预测模块。方法:1)数据集获取:通过大规模真实驾驶场景采集驾驶数据,处理并构建训练神经网络所需的轨迹数据集;2)模型训练:构建切入轨迹预测模型,并利用所得轨迹数据集进行训练;3)实时车辆切入轨迹预测:通过自车实时采集行驶数据,经过数据处理,用训练好的切入轨迹预测模型进行在线预测,即可获得相邻车辆未来一段时间内的轨迹预测。采用基于数据驱动的深度学习方法,简单高效。通过构建基于DR‑Connect改进的Bi‑LSTM网络构架,实现对周围车辆切入轨迹的实时长时间准确预测,有效提高交通安全。

Patent Agency Ranking