-
公开(公告)号：CN110667407B
公开(公告)日：2022-12-13
申请号：CN201911033863.8
申请日：2019-10-25
Applicant: 合肥工业大学
IPC: B60L50/60 , B60L50/70 , G01R31/385
Abstract: 本发明公开一种燃料电池客车动力单元可靠性工况的考核方法，所述方法包括，先进行纯电动工况测试，接着进行纯燃料电池发动机工况测试，接着进行混合驱动工况测试，接着进行巡航充电工况测试，接着进行制动能量回收工况测试，最后进行怠速工况测试，纯电动工况测试时间占总工况运行时间的10％；纯燃料电池发动机工况测试时间占总工况运行时间的15％；混合驱动工况测试时间占总工况运行时间的20％；巡航充电工况测试时间占总工况运行时间的30％；制动能量回收工况测试时间占总工况运行时间的10％；怠速工况测试时间占总工况运行时间的15％。本可靠性工况考核方法能有效模拟燃料电池客车实际行驶状况，缩短试验时间，节约成本。
-
公开(公告)号：CN114463303A
公开(公告)日：2022-05-10
申请号：CN202210110972.0
申请日：2022-01-29
Applicant: 合肥工业大学
IPC: G06T7/00 , G06T7/11 , G06T7/33 , G06T7/73 , G06T7/80 , G06T5/00 , G06K9/62 , G06V10/75 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于双目相机和激光雷达融合的道路目标检测方法，利用左右两台相机与一台激光雷达采集前方道路目标信息；通过双目立体匹配算法获取双目视差；利用基于单目视觉的神经网络，获取图像目标类别与二维位置信息；结合双目视差与单目视觉检测信息，获取前方目标视觉三维检测结果；通过点云分割与聚类处理，获取前方目标雷达三维检测结果；对两种三维包围框的匹配代价进行匈牙利算法优化求解，基于匹配结果进行分类，并采用不同融合策略，最后输出补充修正后的道路目标信息。本发明的检测框架实现了传感器的优势互补，使用目标级匹配融合策略，输出更加准确可靠的道路目标信息。
-
公开(公告)号：CN110450771B
公开(公告)日：2021-03-09
申请号：CN201910809910.7
申请日：2019-08-29
Applicant: 合肥工业大学
IPC: B60W10/18 , B60W10/20 , B60W30/02 , B60W40/068 , B60W40/10 , B60W40/105 , B60W40/12 , B60W40/13 , B60W50/00
Abstract: 本发明公开了一种基于深度强化学习的智能汽车稳定性控制方法，其步骤包括：1获取汽车横向控制器的决策输出和车辆结构参数、行驶参数；2定义深度强化学习方法的状态参数、动作参数和奖励函数；3构建并训练深度强化学习方法的网络模型，得到最优动作网络模型；4获取汽车当前状态参数st，从而利用所述最优动作网络模型输出当前附加横摆力矩▽Mt和修正转角▽δt；5判断汽车稳定状态；6根据汽车转向性质和方向盘转角方向确定当前修正转角▽δt的方向和当前附加横摆力矩▽Mt的动作车轮。本发明能实现稳定工况和极限工况下直接横摆力矩控制和转向控制之间的最优协调控制规律，从而实现车辆稳定性控制，保证驾乘人员的安全性和舒适性。
-
公开(公告)号：CN110667407A
公开(公告)日：2020-01-10
申请号：CN201911033863.8
申请日：2019-10-25
Applicant: 合肥工业大学
IPC: B60L50/60 , B60L50/70 , G01R31/385
Abstract: 本发明公开一种燃料电池客车动力单元可靠性工况的考核方法，所述方法包括，先进行纯电动工况测试，接着进行纯燃料电池发动机工况测试，接着进行混合驱动工况测试，接着进行巡航充电工况测试，接着进行制动能量回收工况测试，最后进行怠速工况测试，纯电动工况测试时间占总工况运行时间的10％；纯燃料电池发动机工况测试时间占总工况运行时间的15％；混合驱动工况测试时间占总工况运行时间的20％；巡航充电工况测试时间占总工况运行时间的30％；制动能量回收工况测试时间占总工况运行时间的10％；怠速工况测试时间占总工况运行时间的15％。本可靠性工况考核方法能有效模拟燃料电池客车实际行驶状况，缩短试验时间，节约成本。
-
公开(公告)号：CN110450771A
公开(公告)日：2019-11-15
申请号：CN201910809910.7
申请日：2019-08-29
Applicant: 合肥工业大学
IPC: B60W10/18 , B60W10/20 , B60W30/02 , B60W40/068 , B60W40/10 , B60W40/105 , B60W40/12 , B60W40/13 , B60W50/00
Abstract: 本发明公开了一种基于深度强化学习的智能汽车稳定性控制方法，其步骤包括：1获取汽车横向控制器的决策输出和车辆结构参数、行驶参数；2定义深度强化学习方法的状态参数、动作参数和奖励函数；3构建并训练深度强化学习方法的网络模型，得到最优动作网络模型；4获取汽车当前状态参数st，从而利用所述最优动作网络模型输出当前附加横摆力矩▽Mt和修正转角▽δt；5判断汽车稳定状态；6根据汽车转向性质和方向盘转角方向确定当前修正转角▽δt的方向和当前附加横摆力矩▽Mt的动作车轮。本发明能实现稳定工况和极限工况下直接横摆力矩控制和转向控制之间的最优协调控制规律，从而实现车辆稳定性控制，保证驾乘人员的安全性和舒适性。
-
Patent Agency Ranking
公开(公告)号：CN116310684A
公开(公告)日：2023-06-23
申请号：CN202310263222.1
申请日：2023-03-17
Applicant: 合肥工业大学
IPC: G06V10/80 , G06V10/82 , G06V20/64 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于Transformer的多模态特征融合的三维目标检测方法，包括：1.使用激光雷达采集点云数据并对点云数据进行采样，同时使用摄像头采集图像数据2.将激光雷达与摄像头采集到的数据输入基于Transformer的多模态特征融合RPN网络，提取区域建议框3.将区域建议框信息输入精细化网络，得到最终预测框。本发明能避免对基于多模态特征融合的目标检测过程中，误检、漏检的问题，从而能够保证对感知环境评估的准确性。
-
公开(公告)号：CN116101330A
公开(公告)日：2023-05-12
申请号：CN202310124725.0
申请日：2023-02-16
Applicant: 合肥工业大学
Abstract: 本发明公开了一种铁路接触网作业车智能辅助驾驶控制系统及方法，该系统包括：限速信息采集模块、车速信息采集模块、位置信息采集模块、轨道信息采集模块、参数调试模块、数据处理模块、油门驱动模块、制动执行模块，其中，数据处理模块通过对限速、车速、位置、轨道及控制指标、控制参数信息进行分析处理，得到油门和制动控制指令并传递给油门驱动模块、制动执行模块，用于控制作业车油门大小和制动机制动手柄位置，实现替代司机平稳控车功能，保证行车安全。
-
公开(公告)号：CN112124333B
公开(公告)日：2021-10-12
申请号：CN202010913237.4
申请日：2020-09-03
Applicant: 合肥工业大学
IPC: B61C17/00
Abstract: 本发明公开了一种执行铁路作业车自动驾驶的控制系统和方法，所述系统主体包括：机械传动机构、驱动装置、通讯装置、控制系统、传感装置以及安全保护装置。本发明将设备集成置于铁路作业车辆驾驶操作平台下，能够接收上位工控机加减速控制信号并准确稳定执行，同时能够保证设备在作业车极限工况以及紧急状况下进入紧急制动模式保证车辆安全；在设备异常或执行命令有误时进行主动警报；在有驾驶员进行主动干预机车操作时主动退出自动驾驶模式进入人工驾驶模式；在设备正常运行时，可以进行一系列机车操作保障作业车自动驾驶操作规范并且安全运行。
-
公开(公告)号：CN112124333A
公开(公告)日：2020-12-25
申请号：CN202010913237.4
申请日：2020-09-03
Applicant: 合肥工业大学
IPC: B61C17/00
Abstract: 本发明公开了一种执行铁路作业车自动驾驶的控制系统和方法，所述系统主体包括：机械传动机构、驱动装置、通讯装置、控制系统、传感装置以及安全保护装置。本发明将设备集成置于铁路作业车辆驾驶操作平台下，能够接收上位工控机加减速控制信号并准确稳定执行，同时能够保证设备在作业车极限工况以及紧急状况下进入紧急制动模式保证车辆安全；在设备异常或执行命令有误时进行主动警报；在有驾驶员进行主动干预机车操作时主动退出自动驾驶模式进入人工驾驶模式；在设备正常运行时，可以进行一系列机车操作保障作业车自动驾驶操作规范并且安全运行。
-
公开(公告)号：CN110838127A
公开(公告)日：2020-02-25
申请号：CN201911049836.X
申请日：2019-10-30
Applicant: 合肥工业大学
Abstract: 本发明公开一种用于智能汽车的特征图像边缘检测方法，所述边缘检测方法包括如下步骤：A、用车载工业相机获取待检测图像，转换为灰度图像，选取σ值为1.0进行高斯平滑滤波；B、对平滑处理后图像进行阈值为0.5的Canny边缘预提取；C、将Canny检测的边缘图像矩阵输入到二维数字滤波器中，通过二进小波变换检测二维小波变换的模极大点确定图像的边缘点；沿边界方向将该尺度下的模极大点连接起来形成边缘曲线，从而得到边缘检测图像；D、根据不同类型、不同环境的图片选取适当的E值，计算ek，判断ek≥E是否成立，若为是则输出边缘检测图像，若为否，则重复步骤C。该方法可以得到智能汽车易于识别判断的特征图像边缘轮廓线，检测边缘准确清晰。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.031 seconds)
