-
公开(公告)号：CN111717217B
公开(公告)日：2022-11-08
申请号：CN202010624121.9
申请日：2020-06-30
Applicant: 重庆大学
Abstract: 本发明涉及一种基于概率修正的驾驶员意图识别方法，属于无人驾驶汽车领域。该方法包括：S1：采集驾驶行为的数据，并预处理；S2：获取环境道路信息，选取特征数据，并用MGHMM模型进行驾驶员意图的初步识别，计算得到观测序列对应于各驾驶员意图模型初始概率；S3：结合环境道路信息和采集的驾驶员数据对驾驶员意图模型初始概率P1进行修正，分别得到修正概率P2和P3；S4：将修正后的驾驶员意图模型概率输入PSO‑SVM分类器进行分类识别，辨识出最终的驾驶员意图。本发明大大提高了驾驶员意图识别的精度和实用性。利用本发明可进行驾驶员辅助系统的开发设计，实现无人驾驶汽车的人车协同控制。
-
公开(公告)号：CN112677769B
公开(公告)日：2022-10-11
申请号：CN202011583075.9
申请日：2020-12-28
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多因素融合的电池系统功率限值估算方法，属于新能源电池领域。该方法包括以下步骤：S1：依据电池系统温度和SOC作为基础影响因子；S2：计算电池系统最高单体电压和最低单体电压对电池系统功率限值估算的影响，在计算出电池系统功率限值基础值，需要考虑在电芯一致性差时电压因素的影响，并对基础值进行修正；S3：时间修正因子计算。考虑电池系统温度、SOC、单体电压、故障状态以及时间的限制，准确估算动力电池在当前状态下的功率限值。避免负载端过渡使用导致电池系统过充、过放及高温故障，同时避免故障状态下的系统滥用，保护电池系统安全，延长电池系统寿命。
-
公开(公告)号：CN114912693A
公开(公告)日：2022-08-16
申请号：CN202210565932.5
申请日：2022-05-23
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多模态预测的自动驾驶汽车运动规划方法，属于自动驾驶汽车技术领域。该方法包括：S1：根据自车的轨迹历史和周围车辆的轨迹历史，采用LSTM模型预测周围车辆未来的多模态行为，即周围车辆在不同模态下未来位置的概率分布；S2：根据步骤S1中LSTM模型预测得到的多模态行为，构造相应的其他车辆的行为分支和自车的轨迹分支，由多模态概率和安全约束确定相应的分支概率；并利用MPC算法以轨迹分支的形式求解反馈策略。本发明在运动规划过程中采用了多模态的预测模型，提高了预测的精度，对传统的MPC进行了优化并通过反馈策略考虑了自车与他车的相互影响及整体的风险最优。
-
公开(公告)号：CN113156963B
公开(公告)日：2022-08-12
申请号：CN202110475638.0
申请日：2021-04-29
Applicant: 重庆大学
Abstract: 本发明涉及一种基于监督信号引导的深度强化学习自动驾驶汽车控制方法，属于自动驾驶汽车领域。该方法包括：S1：获取周边车辆状态信息；S2：建立汽车运动学模型；S3：利用DDPG算法构建自动驾驶汽车控制模型对车辆的加速度和转向角进行控制，并优化Actor网络的损失函数，同时利用IDM算法和MOBIL算法构建加速度和转向角监督信号，对DDPG算法的训练进行引导和优化。本发明提升了DDPG算法的训练效率，实现了控制策略的实时性与最优性。
-
公开(公告)号：CN114707359A
公开(公告)日：2022-07-05
申请号：CN202210487160.8
申请日：2022-05-06
Applicant: 重庆大学
IPC: G06F30/20 , G06N3/08 , G06F111/08
Abstract: 本发明涉及一种基于值分布强化学习的自动驾驶汽车决策规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建考虑不确定性的无信号灯十字路口场景；S2：构建全参数化分位数函数模型，作为自动驾驶汽车控制模型；S3：基于全参数化分位数函数模型中学习的状态‑动作回报分布信息，引入条件风险价值，生成具有风险意识的驾驶行为。本发明利用值分布强化学习提高了自动驾驶汽车在具有不确定性的环境下决策规划策略的安全性与稳定性。
-
Patent Agency Ranking
公开(公告)号：CN111976707B
公开(公告)日：2022-06-03
申请号：CN202010930943.X
申请日：2020-09-07
Applicant: 重庆大学
Abstract: 本发明涉及一种基于凸优化考虑电机热状态的混合动力汽车能量管理方法，属于新能源汽车领域。该方法包含以下步骤：S1：根据汽车的参数，建立汽车的纵向动力学模型；S2：根据所选择的循环工况，计算汽车的需求转矩、需求功率；S3：建立各部件动力学模型，以及电机热状态模型S4：通过凸优化拟合方法，对动力系统各部件模型凸化处理；S5：对传动系统的各部件工作状态及电机热状态进行约束；S6：确定目标函数，建立凸优化框架；S7：利用凸优化工具箱，在保证约束条件有效情况下下，计算最佳功率分配。本发明弥补了现有混合动力能量管理方法忽略电机工作状态的缺点，同时本发明的优化算法计算时间快，结果准确。
-
公开(公告)号：CN114325404A
公开(公告)日：2022-04-12
申请号：CN202111499134.9
申请日：2021-12-09
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/3842
Abstract: 本发明涉及一种基于热‑神经网络耦合模型的电池温度估计方法，属于电池管理技术领域。该方法为：S1：选定待测电池，收集整理该电池的规格及关键几何参数，获取电池模型建立以及温度估计所需的实验数据集；S2：考虑极耳热效应并基于切比雪夫伽辽金近似法建立电池的低阶热模型，进行参数辨识获得热模型未知参数，并结合扩展卡尔曼滤波EKF算法实时估计电池关键温度；S3：基于长短期记忆神经网络建立并训练电池数据驱动模型，确定电池产热、荷电状态SOC和环境温度与电池关键温度间的映射关系；S4：通过集成学习算法adaboost耦合物理热模型与神经网络模型，并优化二者的融合权重，进而实现准确的电池温度估计。
-
公开(公告)号：CN110703114B
公开(公告)日：2022-03-11
申请号：CN201911031589.0
申请日：2019-10-28
Applicant: 重庆大学
IPC: G01R31/388 , G01R31/389 , G01R31/36
Abstract: 本发明涉及一种基于电‑热‑神经网络耦合模型的动力电池SOC和SOT联合状态估计方法，属于电池管理领域。该方法包括：S1选定待测动力电池，搜集整理相关技术参数，建立该动力电池时域内连续的ETSM模型，并确定模型输入输出参数；S2在不同温度下模拟两个城市驾驶循环工况和两个公路驾驶循环工况，采集电池状态数据；S3对ETSM模型进行参数辨识，得到电‑热子模型的特性参数；S4利用参数化的ETSM模型生成训练数据库，进行神经网络训练，建立ETNN模型，对端电压Vsp与核心温度Tc进行估计；S5采用UKF对电池SOC和SOT进行联合估计。本发明能够在极端温度和大电流条件下，对动力电池进行状态有效估计。
-
公开(公告)号：CN112677957B
公开(公告)日：2021-10-08
申请号：CN202110019579.6
申请日：2021-01-07
Abstract: 本发明涉及一种双模构型多目标条件下基于帕累托最优性的参数优化方法，属于新能源汽车领域。该方法包括：S1：构建双模构型不同构型模式下稳态动力学方程及基于传动效率最大化的模式切换策略；S2：搭建计及部件转动惯量的混合动力传动系统瞬态动力学方程；S3：基于动态规划算法构建包括工况相关经济性成本和传动系统部件成本在内的经济性评价指标以及以百公里加速时间量化的动力性评价指标；S4：通过切比雪夫的聚合方法构造多目标优化函数，基于多目标进化算法MOEA/D得到双模构型有关工况相关经济性成本，动力传动系统部件成本和以加速性能为评价指标的动力性的最优帕累托前沿。本发明为构型优化提供更广阔的设计空间。
-
公开(公告)号：CN112550272B
公开(公告)日：2021-07-30
申请号：CN202011475175.X
申请日：2020-12-14
Applicant: 重庆大学
IPC: B60W20/11
Abstract: 本发明涉及一种基于视觉感知与深度强化学习的智能混合动力汽车分层控制方法，属于新能源汽车与智能汽车的交叉领域。该方法包括：在上层环境中，通过智能汽车的环境感知，利用摄像头与卷积网络实时监测前方车辆与路面情况，从而根据单目摄像头测距方法计算出实时的跟车距离并且判断出最佳的跟车距离；在中层环境中，利用深度值网络控制车辆的纵向加速度，从而实现混合动力汽车的智能跟车控制；在下层环境中，利用深度值网络算法控制并联式混合动力系统，完成对发动机与机械式无级变速器的协同控制，从而依据实时的需求功率进行混合动力汽车能量管理，最终实现智能化混合动力汽车的最佳燃油经济性。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.029 seconds)
