-
公开(公告)号：CN118210314B
公开(公告)日：2024-07-16
申请号：CN202410627162.1
申请日：2024-05-21
Applicant: 北京理工大学
Abstract: 本发明公开一种自动驾驶车辆轨迹规划和动态避障方法、设备及介质，属于自动驾驶技术领域。所述方法包括：检测障碍物车辆的位姿和速度信息；预测障碍物车辆的状态估计序列和运动不确定性序列；构建障碍物车辆的运动不确定性椭圆和安全可行域；构建自动驾驶车辆的无碰撞约束；构建自动驾驶车辆的轨迹跟踪代价函数和约束条件并求解。本发明通过考虑动态障碍物的运动不确定性，对障碍物进行运动行为估计和不确定性序列分析，获取障碍物车辆的状态估计序列和运动不确定性序列，并将基于障碍物车辆的状态估计序列和运动不确定性序列获取的无碰撞约束添加至轨迹优化求解的约束条件中，以规划出安全的行驶轨迹，提高了自动驾驶车辆行驶的安全性。
-
公开(公告)号：CN118210314A
公开(公告)日：2024-06-18
申请号：CN202410627162.1
申请日：2024-05-21
Applicant: 北京理工大学
Abstract: 本发明公开一种自动驾驶车辆轨迹规划和动态避障方法、设备及介质，属于自动驾驶技术领域。所述方法包括：检测障碍物车辆的位姿和速度信息；预测障碍物车辆的状态估计序列和运动不确定性序列；构建障碍物车辆的运动不确定性椭圆和安全可行域；构建自动驾驶车辆的无碰撞约束；构建自动驾驶车辆的轨迹跟踪代价函数和约束条件并求解。本发明通过考虑动态障碍物的运动不确定性，对障碍物进行运动行为估计和不确定性序列分析，获取障碍物车辆的状态估计序列和运动不确定性序列，并将基于障碍物车辆的状态估计序列和运动不确定性序列获取的无碰撞约束添加至轨迹优化求解的约束条件中，以规划出安全的行驶轨迹，提高了自动驾驶车辆行驶的安全性。
-
公开(公告)号：CN117930297B
公开(公告)日：2024-06-11
申请号：CN202410323055.X
申请日：2024-03-21
Applicant: 北京理工大学
IPC: G01S19/39 , G01S19/48 , G06T7/70 , G06F16/29 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于车载摄像头和地图的车辆定位方法及系统，涉及车辆定位技术领域，该方法包括：根据车载摄像头采集的图像进行车道检测，得到车辆与左车道间的第一横向距离；将k时刻的车辆估计位置与高精度地图匹配得到车辆与左车道间的第二横向距离；将k时刻第一横向距离与第二横向距离之差的绝对值作为k时刻的实际残差；根据输入残差预测模型得到k时刻的预测残差；根据k时刻的实际残差和预测残差，判断k时刻的全球定位系统定位信号是否故障；当k时刻的定位信号故障时，通过无迹卡尔曼滤波得到k时刻的重构定位信号。本发明提高了车辆定位的准确性。
-
公开(公告)号：CN117970810A
公开(公告)日：2024-05-03
申请号：CN202410361924.8
申请日：2024-03-28
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开一种自适应故障容错控制方法、系统及电子设备，涉及车辆容错控制领域，该方法包括获取车辆关键组件的状态，当根据车辆关键组件的状态检测出故障信号时，获取车辆在行驶过程中的实时数据，触发模型在线更新；根据实时数据，基于GP的模型进行在线更新，得到在线学习模型；并根据在线学习模型和车辆的标称模型，得到自适应模型；根据自适应模型，基于随机模型预测控制方法控制车辆在发生故障后跟踪期望路径行驶。本发明能够实现精确的轨迹跟踪和可靠的容错控制。
-
公开(公告)号：CN115793641A
公开(公告)日：2023-03-14
申请号：CN202211500372.1
申请日：2022-11-28
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于采样和深度强化学习的自动驾驶分层路径规划方法，其在系统上层利用PRM路径规划算法生成指导路径作为下层强化学习路径规划算法指导，大大减少了强化学习算法需要探索的搜索空间，提高了实时路径规划的效率。下层所采用的DDPG算法可将上层生成的指导路径分成若干子段进行优化，有助于更快地找到合适路径，且能够避开特定环境下的死点，从而克服了现有技术所存在的诸多缺陷，并能够提供现有技术所不具备的有益效果。
-
Patent Agency Ranking
公开(公告)号：CN113911103B
公开(公告)日：2022-03-15
申请号：CN202111518545.8
申请日：2021-12-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种混合动力履带车辆速度与能量协同优化方法及系统。该方法包括获取无人履带车的车辆行驶状态、能量状态以及控制变量；根据所述车辆行驶状态确定无人履带车的路径跟踪误差；根据路径跟踪误差，采用深度确定性策略梯度算法，构建上层速度规划器；根据能量状态以及控制变量构建控制导向模型；根据所述控制导向模型，构建下层显性模型预测控制器；所述下层显性模型预测控制器用于进行能量管理；利用所述上层速度规划器以及所述下层显性模型预测控制器进行无人履带车的车辆速度与能量协同优化。本发明能够在保证高效稳定跟随的基础上实现最优的燃油经济性。
-
公开(公告)号：CN113911103A
公开(公告)日：2022-01-11
申请号：CN202111518545.8
申请日：2021-12-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种混合动力履带车辆速度与能量协同优化方法及系统。该方法包括获取无人履带车的车辆行驶状态、能量状态以及控制变量；根据所述车辆行驶状态确定无人履带车的路径跟踪误差；根据路径跟踪误差，采用深度确定性策略梯度算法，构建上层速度规划器；根据能量状态以及控制变量构建控制导向模型；根据所述控制导向模型，构建下层显性模型预测控制器；所述下层显性模型预测控制器用于进行能量管理；利用所述上层速度规划器以及所述下层显性模型预测控制器进行无人履带车的车辆速度与能量协同优化。本发明能够在保证高效稳定跟随的基础上实现最优的燃油经济性。
-
公开(公告)号：CN102693450A
公开(公告)日：2012-09-26
申请号：CN201210150607.9
申请日：2012-05-16
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于遗传神经网络的曲轴疲劳寿命预测方法，属于内燃机曲轴疲劳寿命测试领域。目的是为了解决DC谐振式曲轴疲劳寿命测试机对曲轴测试具有破坏性和测试时间长等不足。其原理是利用传统DC谐振式曲轴疲劳寿命测试机对曲轴测试的历史数据归一化得到训练样本集；通过遗传算法优化BP人工神经网络模型；使用训练样本集对基于遗传算法优化后的BP人工神经网络进行迭代训练得到训练好的BP人工神经网络预测模型；使用该预测模型对曲轴疲劳寿命快速预测。本发明基于遗传算法优化BP人工神经网络，避免了单一BP神经网络的“过拟合”问题，可有效提高训练速度和预测精度；短时间内快速预测曲轴疲劳寿命而且不破坏曲轴质量，能够对整个生产批次曲轴进行批量测试。
-
公开(公告)号：CN117930297A
公开(公告)日：2024-04-26
申请号：CN202410323055.X
申请日：2024-03-21
Applicant: 北京理工大学
IPC: G01S19/39 , G01S19/48 , G06T7/70 , G06F16/29 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于车载摄像头和地图的车辆定位方法及系统，涉及车辆定位技术领域，该方法包括：根据车载摄像头采集的图像进行车道检测，得到车辆与左车道间的第一横向距离；将k时刻的车辆估计位置与高精度地图匹配得到车辆与左车道间的第二横向距离；将k时刻第一横向距离与第二横向距离之差的绝对值作为k时刻的实际残差；根据输入残差预测模型得到k时刻的预测残差；根据k时刻的实际残差和预测残差，判断k时刻的全球定位系统定位信号是否故障；当k时刻的定位信号故障时，通过无迹卡尔曼滤波得到k时刻的重构定位信号。本发明提高了车辆定位的准确性。
-
公开(公告)号：CN114415694B
公开(公告)日：2022-08-19
申请号：CN202210308275.6
申请日：2022-03-28
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明涉及自动驾驶车辆轨迹规划领域，具体涉及一种面向自动驾驶车辆的实时轨迹规划方法及系统。该方法包括根据车辆非线性运动学模型确定状态变量、控制变量以及控制变量的变化率的约束条件；获取自动驾驶车辆的多边形函数；并根据多边形函数确定避障的约束条件；对车辆非线性运动学模型和避障的约束条件进行线性化处理；根据线性化处理后的车辆非线性运动学模型和线性化处理后的避障的约束条件以及状态变量、控制变量以及控制变量的变化率的约束条件建立以模型预测控制为框架的运动控制目标函数及问题模型；根据以模型预测控制为框架的运动控制目标函数及问题模型完成实时轨迹规划。本发明能够提高轨迹规划和避障的准确性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
