-
公开(公告)号：CN110164124A
公开(公告)日：2019-08-23
申请号：CN201910519774.8
申请日：2019-06-17
Applicant: 吉林大学
IPC: G08G1/00
Abstract: 本发明公开了一种高速公路重型卡车队列行驶中车辆纵向跟随控制方法，根据车辆在行驶过程中受力情况，建立车辆纵向逆动力学方程，并考虑道路坡度、传动系延迟、风速以及前车加速度这些不确定因素对车辆的影响，提取出不确定项；使用车辆纵向动力学方程建立系统的状态方程，选取两车的相对速度和两车的距离偏差作为系统的性能输出；根据系统的状态方程，设计一个鲁棒控制器，满足以下条件：闭环系统是稳定的，同时能够抵御道路坡度、传动系延迟，风速以及前车加速度变化引起的扰动，鲁棒控制器决策出控制量，并作用于车辆系统，从而保证被控车辆与相邻前车速度一致并跟踪期望车间距。
-
公开(公告)号：CN114818381B
公开(公告)日：2024-11-22
申请号：CN202210588192.7
申请日：2022-05-27
Applicant: 吉林大学
Abstract: 一种自动驾驶汽车测试场景库的构建方法，属于自动驾驶测试技术领域。本发明的目的是针对不同的场景类型、自动驾驶汽车模型和性能指标提出了一种针对测试场景库生成问题通用框架的自动驾驶汽车测试场景库的构建方法。本发明的步骤是：场景描述与场景关键变量参数化，提取切入场景原始数据，对切入场景数据进行拟合，采用多参数吉布斯抽样方法进行采样生成原始场景库，设计场景风险函数，设计切入场景辅助目标函数，代理模型构建，使用风险函数搜索关键场景，辅助目标函数提供搜索方向，生成测试场景库。本发明可以对高维度场景进行构建，相比其他方法对汽车的测试次数更少，可以加速评估自动驾驶汽车测试。
-
公开(公告)号：CN114253274B
公开(公告)日：2024-03-26
申请号：CN202111595753.8
申请日：2021-12-24
Applicant: 吉林大学
Abstract: 本发明提供了一种基于数据驱动的网联混合车辆编队滚动优化控制方法，首先分析了混合编队的数学模型结构，然后通过数据驱动方式建立由数据构造的模型预测器，最后通过结合滚动优化控制与空间辨识方法完成控制器设计并作用于智能车辆；本发明通过收集行驶中车辆的输入输出信息构建车辆编队模型，避免了由机理建模引起的模型偏差，从而提高了控制的准确性，保证了车辆编队过程中的安全性；本方法在控制器的设计中包含了前馈控制，因此可以有效避免由干扰引起的队列不稳定的情况；在控制目标中，通过引入控制量较小的控制目标，从而保证了车辆编队过程中的舒适性。
-
公开(公告)号：CN117002520A
公开(公告)日：2023-11-07
申请号：CN202310809374.7
申请日：2023-07-04
Applicant: 吉林大学
IPC: B60W50/00 , G06F30/20 , G06F30/15 , G06F17/15 , G06Q10/0637 , G06Q50/30 , G06F111/04 , G06F119/14 , G06F111/10
Abstract: 本发明提供了一种智能车辆非合作滚动优化博弈决策均衡点求解方法，首先建立了本车的决策模型以及周车的驾驶员模型，将本车的决策模型和周车的驾驶员模型集成为一个系统，建立车辆的博弈模型；接着，建立行车环境模型，提出了滚动优化博弈的决策方法，对非合作博弈决策的优化问题进行数学描述；根据本车和周车各自的目标，分别构建了本车和周车的目标函数和约束条件；最后设计了非合作博弈决策优化问题的纳什均衡求解方法，实现智能车辆在非合作博弈下的决策；本方法通过博弈的形式，提高了预测周围车辆动态的精度，提高了决策的效果和效率。
-
公开(公告)号：CN115432005A
公开(公告)日：2022-12-06
申请号：CN202211163115.3
申请日：2022-09-23
Applicant: 吉林大学
IPC: B60W60/00 , G06F30/20 , G06F111/10 , G06F119/14
Abstract: 本发明提供了一种冰雪环境下的虚拟行车场权重滚动优化决策方法，首先建立虚拟行车场模型，依据智能车所处环境分别建立风险场模型、牵引场模型和潜力场模型；然后将虚拟场力作为作用到智能车上的外力，建立考虑车辆动力学的非线性权重决策模型；之后设计基于模型预测控制的虚拟行车场权重决策方法，滚动求解优化问题决策出各个场力的权重值；最后将优化得到的权重值代入非线性权重决策模型进行路径规划；本方法可以将基于虚拟行车场的路径规划与决策有效结合，能够使智能车面对障碍物时能够更快地做出反应。
-
Patent Agency Ranking
公开(公告)号：CN114818381A
公开(公告)日：2022-07-29
申请号：CN202210588192.7
申请日：2022-05-27
Applicant: 吉林大学
Abstract: 一种自动驾驶汽车测试场景库的构建方法，属于自动驾驶测试技术领域。本发明的目的是针对不同的场景类型、自动驾驶汽车模型和性能指标提出了一种针对测试场景库生成问题通用框架的自动驾驶汽车测试场景库的构建方法。本发明的步骤是：场景描述与场景关键变量参数化，提取切入场景原始数据，对切入场景数据进行拟合，采用多参数吉布斯抽样方法进行采样生成原始场景库，设计场景风险函数，设计切入场景辅助目标函数，代理模型构建，使用风险函数搜索关键场景，辅助目标函数提供搜索方向，生成测试场景库。本发明可以对高维度场景进行构建，相比其他方法对汽车的测试次数更少，可以加速评估自动驾驶汽车测试。
-
公开(公告)号：CN114781758A
公开(公告)日：2022-07-22
申请号：CN202210594372.6
申请日：2022-05-27
Applicant: 吉林大学
Abstract: 本发明公开了一种考虑持续交互信息的车辆轨迹预测方法，通过搭建的网络模型充分提取车辆轨迹数据集中的车辆运动信息和车辆间空间交互信息，精确地预测出车辆的未来轨迹；首先，对车辆轨迹数据集进行处理；然后，设计车辆的轨迹预测模型；最后，构造损失函数，训练车辆的轨迹预测模型；本方法在对车辆间空间交互进行建模时，不仅提取出每一历史时刻车辆间空间交互信息，而且考虑到车辆间空间交互信息存在时间关联性，并设计出时间关联提取器，充分捕捉车辆间空间交互信息在时间上的关联性，为车辆的预测轨迹增加约束，使得网络预测出的车辆轨迹更加准确。
-
公开(公告)号：CN113379711B
公开(公告)日：2022-07-08
申请号：CN202110683924.6
申请日：2021-06-21
Applicant: 吉林大学
IPC: G06T7/00 , G06T7/187 , G06F16/583 , G06N3/04
Abstract: 本发明提供了一种基于图像的城市道路路面附着系数获取方法，首先建立路面图像信息库，然后建立路面图像数据集，建立并训练路面图像区域提取网络，再建立并训练路面类型识别网络，最后获取路面附着系数信息；本方法可以为智能驾驶辅助系统以及无人驾驶系统的开发提供路面附着系数信息；本方法通过获取前方道路图像实现附着系数的获取，能够实现路面附着信息的提前获取；因为本方法设计了基于图像路面区域提取网络和路面识别网络串行的方法，然后将路面识别网络进行结构简化，所以能够实现前方路面附着信息的实时快速获取。
-
公开(公告)号：CN113553726B
公开(公告)日：2022-07-05
申请号：CN202110899224.0
申请日：2021-08-06
Applicant: 吉林大学
IPC: G06F30/20 , G06F30/15 , G06F119/14
Abstract: 本发明提出了一种冰雪环境下的主从博弈型人机协同转向控制方法，以解决冰雪环境下驾驶员与协同转向控制器在目标不一致条件下的控制冲突问题，本方法选用转角交互型人机融合控制方案，首先对轮胎侧偏力进行线性化处理，建立了冰雪环境下共驾车辆的转向系统模型；然后考虑到人机控制目标不一致的情况，通过构建主从博弈关系来削减控制冲突，实现以驾驶员控制目标优先的人机协同转向控制；本方法，可以实现在冰雪环境下，当驾驶员与协同转向控制器目标不一致而产生控制冲突时，以驾驶员控制目标优先的人机协同转向控制；充分利用了轮胎侧偏力，扩展了汽车转向时的稳定范围，提高了冰雪环境下汽车转向时的稳定性。
-
公开(公告)号：CN114253274A
公开(公告)日：2022-03-29
申请号：CN202111595753.8
申请日：2021-12-24
Applicant: 吉林大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于数据驱动的网联混合车辆编队滚动优化控制方法，首先分析了混合编队的数学模型结构，然后通过数据驱动方式建立由数据构造的模型预测器，最后通过结合滚动优化控制与空间辨识方法完成控制器设计并作用于智能车辆；本发明通过收集行驶中车辆的输入输出信息构建车辆编队模型，避免了由机理建模引起的模型偏差，从而提高了控制的准确性，保证了车辆编队过程中的安全性；本方法在控制器的设计中包含了前馈控制，因此可以有效避免由干扰引起的队列不稳定的情况；在控制目标中，通过引入控制量较小的控制目标，从而保证了车辆编队过程中的舒适性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.028 seconds)
