公开(公告)号：CN115129046B

公开(公告)日：2024-08-20

申请号：CN202210582974.X

申请日：2022-05-26

Applicant: 华南理工大学

Inventor： 谢正超 ,  龚政 ,  储绍强 ,  马阔 ,  赵晶

IPC: G05D1/43 ,  G05D1/65 ,  G05D1/644 ,  G05D109/10

Abstract: 本发明提供一种基于滑模神经网络控制的自动驾驶车辆路径跟踪方法，包括：首先通过车辆动力学建模和路径跟踪运动学建模得到当前车辆位置偏差和航向角偏差；其次确定自动驾驶车辆路径跟踪系统的控制目标和控制量，并利用非奇异终端滑模控制方法，设计车辆位置偏差和航向角偏差滑模控制率；通过循环神经网络方法在线拟合控制率中非线性和为未建模动态部分，最后通过前轮主动转向使位置偏差和航向角偏差趋于零，实现对自动驾驶车辆路径跟踪精确控制，在有效抑制抖震的同时，能够保证系统有限时间收敛，精确跟踪期望路径。

公开(公告)号：CN115129046A

公开(公告)日：2022-09-30

申请号：CN202210582974.X

申请日：2022-05-26

Applicant: 华南理工大学

Inventor： 谢正超 ,  龚政 ,  储绍强 ,  马阔 ,  赵晶

IPC: G05D1/02

Abstract: 本发明提供一种基于滑模神经网络控制的自动驾驶车辆路径跟踪方法，包括：首先通过车辆动力学建模和路径跟踪运动学建模得到当前车辆位置偏差和航向角偏差；其次确定自动驾驶车辆路径跟踪系统的控制目标和控制量，并利用非奇异终端滑模控制方法，设计车辆位置偏差和航向角偏差滑模控制率；通过循环神经网络方法在线拟合控制率中非线性和为未建模动态部分，最后通过前轮主动转向使位置偏差和航向角偏差趋于零，实现对自动驾驶车辆路径跟踪精确控制，在有效抑制抖震的同时，能够保证系统有限时间收敛，精确跟踪期望路径。

公开(公告)号：CN110008994A

公开(公告)日：2019-07-12

申请号：CN201910159193.8

申请日：2019-03-04

Applicant: 华南理工大学

Inventor： 陶乾 ,  龚政 ,  王振宇 ,  蒋道宁 ,  陶哲瀚

IPC: G06K9/62

Abstract: 本发明公开了一种基于Spark平台运行的P-CFSFDP密度聚类方法，基于快速搜索进行聚类并找出密度峰值(CFSFDP)算法思想，实现一个可以在Spark平台上运行的P-CFSFDP密度聚类方法，同时改进现有方法的缺陷，在数据结构和自动选取中心点方面进行功能优化。该方法通过Spark并行处理，通过对输入数据进行密度和距离的定义，将一组(抽象或具体)的对象分组到多个类中，通过某种标准或规则使得同一类中的对象尽可能相似，不同类中的对象尽可能不相似。本发明基于Spark平台，通过计算输入数据的密度值和距离值进行密度聚类，提升聚类的计算效率、计算精度和准确性，有助于快速实现大数据聚类和分析。