-
公开(公告)号：CN113389828A
公开(公告)日：2021-09-14
申请号：CN202110659648.X
申请日：2021-06-15
Applicant: 江苏大学
Abstract: 本发明公开了一种商用车电子机械制动器的结构及间隙调控装置及方法，主要包括：无刷直流力矩电机、靠力矩电机驱动的三级行星齿轮减速增矩机构、与三级行星齿轮减速增矩机构花键连接的传动螺栓、与传动螺栓螺纹连接的螺纹滚、与螺纹滚螺纹连接的套筒、分别附着在套筒和嵌体上的制动块、固定在制动块上的摩擦片、固定在嵌体中部的导向销、位于两制动块之间的制动盘。本发明的电子机械制动器的间隙调控方法：利用制动夹紧力与电流的变化信号分别识别制动摩擦片与制动盘的接触与分离临界点，采用基于电机三闭环PID控制系统的制动间隙控制策略,解决采用过多传感器引起机构臃肿、成本增大问题；并简化结构，减小尺寸、节省安装空间。
-
公开(公告)号：CN105966396A
公开(公告)日：2016-09-28
申请号：CN201610318491.3
申请日：2016-05-13
Applicant: 江苏大学
IPC: B60W30/09 , B60W30/095 , B60W10/20 , B60W30/18 , B60W10/18
Abstract: 本发明公开了一种基于驾驶员避撞行为的车辆避撞控制方法，首先通过模拟驾驶仪采集驾驶员换道避撞时机、制动加速度，驾驶员接收到报警信号做出反应的时间，通过毫米波雷达实时检测车辆避撞控制方法所需的自车、前车及邻车道车辆的相关信息；其次构建基于驾驶员避撞特性的避免追尾碰撞控制策略；然后车辆执行制动或换道避撞控制策略；最后基于驾驶员避撞特性的避撞控制策略精确度的验证。本发明减少了预警算法复杂、决策判断规则过多对判断结果的负面影响，提高了车辆避撞控制决策判断的准确度和可靠性，降低了误报率。
-
公开(公告)号：CN1680779A
公开(公告)日：2005-10-12
申请号：CN200510037771.9
申请日：2005-02-04
Applicant: 江苏大学
Abstract: 本发明提出了针对驾驶员眼部疲劳特征的驾驶员疲劳监测方法及装置。利用红外光线对驾驶员眼部的照射，通过多个CMOS摄像头得到多幅在同一时刻只有视网膜图像不同的图像；采集到的图像信号由控制主板中内置的图像处理程序进行差分处理，得到瞳孔图像；同时利用神经网络辅助的Kalman滤波器对瞳孔进行实时跟踪预测，获得的瞳孔的特征参数由控制单元进行处理，通过统计处理得到瞳孔大小的最大值和实时的瞳孔闭合百分比，计算出PERCLOS值f，并同时利用BP网络分类器作为评价标准的辅助手段，来判断驾驶员的疲劳程度。
-
公开(公告)号：CN110726990B
公开(公告)日：2023-04-07
申请号：CN201910897710.1
申请日：2019-09-23
Applicant: 江苏大学
IPC: G01S13/72 , G01S13/86 , G01S13/931 , G06F18/25
Abstract: 本发明公开了一种基于DS‑GNN算法的多传感器融合方法，首先雷达通过自身的信号处理解析出多个可能的目标，获得其位置和速度信息，摄像头模块提供目标的位置和速度信息，系统检测之前需要预先对毫米波雷达和摄像头进行联合标定，实现多传感器在时间和空间上的融合，然后引入全局最近邻(GNN)算法对所有原始目标信息和观测值进行一一匹配，从而来确认雷达和摄像头的哪些观测值由同一辆车产生，最后采用D‑S证据理论对观测值进行有效的融合，包括目标状态更新与存在性概率更新，其中状态更新的流程与标准卡尔曼滤波基本一致，存在性概率与其同时进行跟踪。本发明可实现对目标车辆的准确识别与跟踪。
-
公开(公告)号：CN114233776A
公开(公告)日：2022-03-25
申请号：CN202111609862.0
申请日：2021-12-27
Applicant: 江苏大学 , 江苏恒力制动器制造有限公司
IPC: F16D55/2265 , F16D65/14 , F16D65/52 , F16H63/34 , F16D123/00 , F16D121/14 , F16D121/24 , F16D125/32 , F16D125/52 , F16D125/60 , F16D125/68
Abstract: 本发明公开了一种新型汽车电子机械制动器，行车制动执行器由力矩电机、运动转换机构、减速增扭机构、间隙自动调节机构、制动摩擦片、制动块等组成。其中减速增扭机构是由一对啮合直齿锥齿轮与一对啮合直齿轮组成，可以有效降低制动器的轴向尺寸。间隙自动调节机构由传动螺栓、二爪转轮、三爪转轮、链轮、链条等组成，其作用是当制动摩擦片发生磨损时，能够实现制动间隙的自动调节。驻车制动执行机构由驻车操作杆、导向丝、导向拉杆组成，其作用是实现汽车的驻车功能。本发明解决了现有电子机械制动器制动力分布不均、制动可靠性低、尺寸较大等问题，并且能够实现间隙自动调节和驻车制动功能。
-
Patent Agency Ranking
公开(公告)号：CN114165537A
公开(公告)日：2022-03-11
申请号：CN202111392833.3
申请日：2021-11-23
Applicant: 江苏大学
IPC: F16D55/226 , F16D65/16 , F16D65/56 , F16H63/34 , F16D121/24 , F16D121/18 , F16D125/40 , F16D125/50 , F16D125/68
Abstract: 本发明公开了一种带有驻车功能的电子机械制动器，包括驻车制动机构和行车制动器两部分。驻车制动机构的作用是实现驻车功能，包括：力矩电机、花键、拉紧弹簧、电磁推杆、驻车蓄能弹簧、销钉、销钉弹簧、驻车滚珠丝杠机构、驻车压杆、驻车推杆等。行车制动器用来完成行车制动，包括：减速增矩机构、运动转换机构、间隙自动调节机构、钳体、制动盘、制动块和制动摩擦片等。间隙自动调节机构的作用是当制动摩擦片发生磨损时，能够实现制动间隙的自动调节，包括：传动螺栓、二爪转轮、三爪转轮、链轮、链条。本发明解决了现有电子机械制动器制动力分布均匀、制动可靠性低、制动响应慢等问题，并且能够实现间隙自动调节和驻车制动功能。
-
公开(公告)号：CN112644506A
公开(公告)日：2021-04-13
申请号：CN202110008305.7
申请日：2021-01-05
Applicant: 江苏大学
Abstract: 本发明公开了一种基于模型长短时记忆神经网络LSTM‑NN检测驾驶人驾驶分心的方法，包括以下步骤：步骤1，通过信号采集模块采集车辆的纵向与横向参数；其中，纵向采集参数为：纵向速度，纵向加速度，跟车距离，与前车相对速度；横向采集参数为：横向加速度，方向盘转角；步骤2，通过驾驶分心信号检测单元对于信号采集单元采集到的各类指标数据进行预处理，由驾驶分心行为判别单元对传输过来的多类指标进行分析判断，得出驾驶员注意力状态并将结果传送到分心预警模块；步骤3，分心预警模块根据驾驶分心的行为特征，通过三极管确定是否接通该条支路，进行提示驾驶人注意力状态。本发明模型能够学习前后时间序列信息并可靠地检测分心行为。
-
公开(公告)号：CN106971194B
公开(公告)日：2021-02-12
申请号：CN201710082560.X
申请日：2017-02-16
Applicant: 江苏大学
Abstract: 本发明公开了一种基于改进HMM和SVM双层算法的驾驶意图识别方法，步骤1：驾驶员驾驶意图的分类：将驾驶员驾驶意图分为急左换道、正常左换道、车道保持、正常右换道和急右换道五类；步骤2：实验数据采集与处理；步骤3：改进的HMM和SVM双层算法的离线训练；步骤4：驾驶员驾驶意图识别。本发明完整的的考虑人‑车‑路系统，采集自车、道路和驾驶员信息，采用HMM和SVM双层学习模型，提高了驾驶员换道意图辨识模型的准确度和及时性。
-
公开(公告)号：CN110726990A
公开(公告)日：2020-01-24
申请号：CN201910897710.1
申请日：2019-09-23
Applicant: 江苏大学
IPC: G01S13/72 , G01S13/86 , G01S13/931 , G06K9/62
Abstract: 本发明公开了一种基于DS-GNN算法的多传感器融合方法，首先雷达通过自身的信号处理解析出多个可能的目标，获得其位置和速度信息，摄像头模块提供目标的位置和速度信息，系统检测之前需要预先对毫米波雷达和摄像头进行联合标定，实现多传感器在时间和空间上的融合，然后引入全局最近邻(GNN)算法对所有原始目标信息和观测值进行一一匹配，从而来确认雷达和摄像头的哪些观测值由同一辆车产生，最后采用D-S证据理论对观测值进行有效的融合，包括目标状态更新与存在性概率更新，其中状态更新的流程与标准卡尔曼滤波基本一致，存在性概率与其同时进行跟踪。本发明可实现对目标车辆的准确识别与跟踪。
-
公开(公告)号：CN107273805A
公开(公告)日：2017-10-20
申请号：CN201710351618.6
申请日：2017-05-18
Applicant: 江苏大学
CPC classification number: G06K9/00791 , G06K9/3233 , G06K9/6223
Abstract: 本发明提供了一种基于视觉特性的GM-HMM预测驾驶行为方法，选择6自由度驾驶模拟器和眼动仪系统开展仿真实验，采用模糊K-means动态聚类算法对驾驶人兴趣视野区域的分布进行划分，然后再采用改进贝塞尔公式的Pauta准则剔除所划分的各驾驶人兴趣视野区域间无明确界限的异常视线点。然后从驾驶人的视觉表征参数切入，采用数理统计中的箱型图分析方法，通过SPSS软件中的NEMENYI秩和检验验证参数的差异性，再通过R型指标聚类确定驾驶人的视觉表征参数序列。最后建立GM-HMM驾驶行为预测模型，并分析GM-HMM驾驶行为预测模型的可信度。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.026 seconds)
