液罐汽车流-固耦合系统的整车动力学模型的建模方法

    公开(公告)号:CN109101697B

    公开(公告)日:2020-06-12

    申请号:CN201810787425.X

    申请日:2018-07-18

    Applicant: 吉林大学

    Abstract: 本发明公开了液罐汽车流‑固耦合系统的整车动力学模型的建模方法,涉及汽车建模技术领域;整车动力学模型由非满载罐体内的液体侧向晃动等效椭圆规钟摆模型的动力学方程、液罐汽车的侧向力平衡方程、液罐汽车的横摆力矩平衡方程和液罐汽车的侧倾力矩平衡方程组成,所述整车动力学模型为四自由度动力学模型;其通过构建非满载罐体内的液体侧向晃动等效椭圆规钟摆模型的动力学方程、液罐汽车的侧向力平衡方程、横摆力矩平衡方程和侧倾力矩平衡方程等,实现了构建结构简单、准确性高、能够应用于液罐汽车动力学特性分析和主动安全控制的液罐汽车整车动力学模型。

    一种驾驶人换道意图识别方法及系统

    公开(公告)号:CN110569783A

    公开(公告)日:2019-12-13

    申请号:CN201910836440.3

    申请日:2019-09-05

    Applicant: 吉林大学

    Abstract: 本发明涉及一种驾驶人换道意图识别方法及系统,使用决策树方法提取方向盘转角、车道偏离量和横摆角加速度作为意图表征参数组;基于K-means聚类,对方向盘转角和车道偏离量的时间序列分别聚类,确定意图起止时刻,进而确定换道意图时窗宽度;最后结合高斯概率密度函数和隐马尔可夫理论,建立驾驶人换道意图识别模型对驾驶人意图进行识别,识别信度高,对左、右换道意图的识别准确率达100%,对直行意图的识别准确率达91.1%,且时序性较强,可在左换道开始前的1.5s、右换道开始之前的1.4s预测出换道行为,预防LWS系统对驾驶人造成的干扰,对提高行车安全和降低交通事故有重要意义。

    一种驾驶人预瞄时间确认方法、系统、设备及介质

    公开(公告)号:CN109509364A

    公开(公告)日:2019-03-22

    申请号:CN201910007150.8

    申请日:2019-01-04

    Applicant: 吉林大学

    Abstract: 本发明涉及一种驾驶人预瞄时间确认方法、系统、设备及介质,根据预行驶道路的半径、所述预行驶道路半径随长度的变化率、预瞄时间随道路半径变化系数与预瞄时间的预设关系精确动态变化得所述预瞄时间,所述预瞄时间的确认与当前源车辆的形式环境精密关联,贴合当前源车辆的形式环境,当前车辆配备的各安全行驶系统据此生成的关联信息必定精度大幅度提高,进而提高各安全行驶系统的预警、引导、控制精度,从而降低交通事故的发生。

    一种基于基本驾驶操作事件的无监督驾驶风格分析方法

    公开(公告)号:CN114707573B

    公开(公告)日:2025-04-11

    申请号:CN202210176012.4

    申请日:2022-02-25

    Applicant: 吉林大学

    Abstract: 本发明提供一种基于基本驾驶操作事件的无监督驾驶风格分析方法,包括:获取数据并预处理;提取基本驾驶操作事件;对基本驾驶操作事件中每个事件进行特征构造和提取,得事件强度特征;通过k‑means进行事件强度聚类并打事件强度类别标签;获取动态时间窗,构造表征动态时间窗内驾驶风格的已具有事件强度类别标签的事件随时间变化曲线;基于融合DTW的曲线聚类算法,对各动态时间窗的曲线聚类,得各类时间窗曲线并打驾驶风格类型标签。本发明以基本驾驶操作事件为基本单元,考虑事件强度和事件转移特征,以事件随时间的变化曲线作为描述驾驶风格的特征,体现驾驶行为的动态决策信息、数据连续性和时间特性,保留数据原始信息,提高驾驶风格分析准确性。

    一种用于自动驾驶车辆的一体式避障规划与控制方法

    公开(公告)号:CN119536247A

    公开(公告)日:2025-02-28

    申请号:CN202411451339.3

    申请日:2024-10-17

    Applicant: 吉林大学

    Abstract: 本发明涉及用于自动驾驶车辆的一体式避障规划与控制方法,包括以下步骤:NMPC集成式规划控制器基于自车质心的纵向速度获得动态时间步长;NMPC集成式规划控制器构建自车动力学模型作为预测模型,并对预测模型离散化处理;NMPC集成式规划控制器建立包括周车排斥势能的总代价函数;NMPC集成式规划控制器构建自车的避障边界;构建自车的时变操纵稳定域;通过非线性优化问题求解器求解,获得自车的最优控制变量序列,并将最优控制变量序列中的第一个值作用于自车。本发明具有能够提高自动驾驶车辆的稳定性、安全性的有益效果,使自动驾驶车辆能够准确、及时、安全的进行避障。

    一种用于轨迹预测的特征构建方法

    公开(公告)号:CN119046648A

    公开(公告)日:2024-11-29

    申请号:CN202410746144.5

    申请日:2024-06-11

    Applicant: 吉林大学

    Abstract: 本发明涉及一种用于轨迹预测的特征构建方法,所述方法包括以下步骤:步骤一:获取车辆真实轨迹数据集数据样本,对车辆真实轨迹数据样本进行预处理;步骤二:对预处理后的样本构造车辆的时间依赖特征、时空依赖特征;步骤三:利用预处理的样本确定车辆交互的安全交互区域;步骤四:利用时间依赖特征、时空依赖特征、安全交互区域将车辆的交互的场景样本构建成交互动态图结构,用于时空交互特征的构建,时空交互动态图从而反应周围车不同位置对于自车产生的影响,周围车不同位置对于自车时间轨迹产生的影响,通过时间依赖特征、时空依赖特征和时空交互特征这三个维度来表达场景,从而提高轨迹预测模型的准确性和可解释性。

    一种他车换道侵犯性的自车行驶风险评估方法

    公开(公告)号:CN118334860A

    公开(公告)日:2024-07-12

    申请号:CN202410562715.X

    申请日:2024-05-08

    Applicant: 吉林大学

    Abstract: 本发明提供一种他车换道侵犯性的自车行驶风险评估方法,包括以下步骤:基于Sigmoid函数构建换道侵犯性程度评价模块,所述换道侵犯性程度评价模块将部分所述实时自车特征数据通过换道侵犯性程度评价函数计算得到换道侵犯性程度指标DOA;构建换道侵犯性交互风险模块,所述换道侵犯性交互风险模块将交互风险暴露程度指标REL、交互风险严重程度指标RSL通过换道侵犯性交互风险量化函数计算得到换道侵犯性交互风险指数DRI_DOA;通过换道侵犯性交互风险指数DRI_DOA为他车换道侵犯性的自车行驶风险评估量化值;实现人工驾驶前车换道至自动驾驶车辆前方时,自动驾驶车辆受到侵犯,自动驾驶车辆进行行为决策前的风险评估,所述风险评估具有预见性和快速性。

    混行信控交叉口以排队方式估算通行能力上下限的方法

    公开(公告)号:CN115662121B

    公开(公告)日:2024-05-10

    申请号:CN202211280142.9

    申请日:2022-10-19

    Applicant: 吉林大学

    Abstract: 本发明涉及一种混行信控交叉口以排队方式估算通行能力上下限的方法,包括以下步骤:S1基于微观仿真平台,选取表现人工驾驶车辆与网联自动驾驶车辆的通行模型特征的相关参数;S2获取参数敏感性分析实验表,按试验编号开展智能车辆车流仿真试验,获取网联自动驾驶车辆参数敏感程度排序并设置最敏感参数试验步长与范围;S3获取信号控制交叉口的信号控制信息、道路信息、车辆参数、单信号周期内通行车队规模、车辆类型以及其交叉口行驶模型;S4运行微观仿真平台,输出仿真结果并将其换算为通行能力;S5基于所述仿真结果进行交叉口道路的通行能力上下限估计。本发明解决混行交叉口排列顺序不确定情况下的通行能力上限与下限边界值。

    面向智能车辆动态博弈的备选策略执行强度动态调整方法

    公开(公告)号:CN117141479A

    公开(公告)日:2023-12-01

    申请号:CN202311256768.0

    申请日:2023-09-27

    Applicant: 吉林大学

    Abstract: 本发明提供面向智能车辆动态博弈的备选策略执行强度动态调整方法,包括:预设智能车与切入车博弈过程中智能车的备选策略;获取智能车的备选策略执行强度范围;当博弈次数S=1时,基于初次博弈开始时智能车的初始加速度或备选策略执行强度范围和初次博弈开始时智能车的初始加速度,获取初次博弈时智能车的备选策略执行强度;当博弈次数S>1时,基于上一次博弈时智能车的备选策略执行强度或博弈对象驾驶倾向性和上一次博弈时智能车的备选策略执行强度,调整智能车的备选策略执行强度。本发明随博弈对象运动状态及时更新调整智能车的备选策略执行强度,实现与博弈环境的同步更新,可更准确的做出博弈决策,提高安全性和博弈效率。

    一种基于深度强化学习的自适应巡航控制方法以及系统

    公开(公告)号:CN116252791A

    公开(公告)日:2023-06-13

    申请号:CN202310227522.4

    申请日:2023-03-10

    Applicant: 吉林大学

    Abstract: 本发明提供一种基于深度强化学习的自适应巡航控制方法以及系统;基于BP神经网络建立的驾驶人跟车风格辨识模块;基于深度强化学习建立的ACC控制模型;ACC控制模型包括策略模块、深度Q网络模块;将驾驶人跟车行为分为三类跟车风格然后打标签;跟车风格辨识模利用BP神经网络训练得到驾驶人跟车风格分类模型,基于驾驶人跟车风格分类模型输出驾驶人的跟车风格;所述策略模块建立Q值网络,通过Q值网络根据获取的实时跟车行为的有效特征性能数据,输出调整车辆的期望加速度;实现更接近驾驶人员个性化的自适应巡航控制方法且安全性、跟随性、舒适性、经济性高。

Patent Agency Ranking