一种基于深度强化学习算法的主动悬架控制策略生成方法

    公开(公告)号:CN115826402A

    公开(公告)日:2023-03-21

    申请号:CN202211445241.8

    申请日:2022-11-18

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于深度强化学习算法的主动悬架控制策略生成方法,涉及到智能控制和人工智能领域技术,包括如下步骤:步骤一:基于主动悬架半车模型,建立主动悬架半车模型的控制问题模型;步骤二:搭建策略神经网络用以表征主动悬架的控制策略;步骤三:通过奖励函数实现策略神经网络的更新;步骤四:策略神经网络的迭代训练,生成收敛后的主动悬架控制策略。本发明基于SAC强化学习算法,通过对所构建的悬架控制策略网络的训练,寻求一种最优的主动悬架控制策略,对所生成的控制策略进行验证后,可通过该控制策略实现对主动悬架的动态自适应减振控制。

    一种双稳态能量收集器离心距离优化匹配方法

    公开(公告)号:CN111953230A

    公开(公告)日:2020-11-17

    申请号:CN202010759431.1

    申请日:2020-07-31

    Applicant: 江苏大学

    Abstract: 本发明提供了一种双稳态能量收集器离心距离优化匹配方法,通过考虑离心效应对于双稳态能量收集装置收集效率的影响,探究不同离心距离下的双稳态能量收集装置收集效率,求解出最优离心距离,进一步优化双稳态能量收集器的有效收集频带带宽和能量收集效率。利用调节悬臂梁末端磁铁的安装离心距离来进一步提高双稳态能量收集器的能量收集效率和拓宽有效收集频带。推导出了最优离心距离的计算方程式,可以大幅度缩短利用离心效应提高双稳态能量收集器效能时使磁铁处于不同离心距离下的安装和调试时间。

    一种基于智能手机与RNN的周边车辆行为识别方法

    公开(公告)号:CN108470460B

    公开(公告)日:2020-08-28

    申请号:CN201810320788.2

    申请日:2018-04-11

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于智能手机与RNN的周边车辆行为识别方法,属于智能驾驶领域,包括:a.离线训练环节:归纳并划分典型的周边车辆行为,利用智能手机采集到的车辆行驶数据对被跟踪车辆与主车的相对特征和车辆行为进行向量编码,作为RNN参数学习的训练集。b.在线检测环节:基于实时交通场景,主车通过4G通讯结合被跟踪车辆与自车的行驶数据形成新的特征矩阵作为训练好的RNN的输入,辨别周边车辆所属行为模式。本发明以智能手机作为数据搜集、车辆通讯的硬件,具备可行性和便捷性的优势;利用RNN善于处理高维矩阵运算的特性,在丰富自车与周边车辆相对特征、提升识别率的同时,保证行为识别具备较高的实时性。

Patent Agency Ranking