-
公开(公告)号：CN114715167B
公开(公告)日：2024-10-08
申请号：CN202210479452.7
申请日：2022-05-05
Applicant: 吉林大学
Abstract: 本发明属于汽车自动驾驶技术领域，尤其为一种基于全向移动车辆多行驶模式的自动驾驶轨迹跟踪控制方法，包括以下步骤：S1、设计四轮转向模式轨迹跟踪控制器；S2、设计原地转向轨迹跟踪控制器；S3、设计斜行模式轨迹跟踪控制器；建立轨迹信息，进行斜行和与原地转向模式切换测试，进行斜行和原地转向模式切换测试。本发明通过有限状态机所实现的自动驾驶行驶模式的切换逻辑，可以在中低速工况下实现全向移动车辆根据上层规划层的需要自动切换到适当的行驶模式，从而进行高精度曲线的跟踪，具有现实意义。
-
公开(公告)号：CN116561664A
公开(公告)日：2023-08-08
申请号：CN202310571831.3
申请日：2023-05-22
Applicant: 吉林大学
IPC: G06F18/241 , G01S7/41 , G06F18/2415 , G06F18/2131 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于TCN网络的雷达辐射源脉间调制模式识别方法，属于信号处理技术领域。本发明的目的是以雷达辐射源脉冲信号序列输入到TCN网络中进行基于卷积运算的特征提取识别，从而提高雷达脉冲信号识别率的基于TCN网络的雷达辐射源脉间调制模式识别方法。本发明步骤包括分别生成训练集和测试集数据；对产生的数据集信号进行预处理；构建TCN网络，设置TCN网络参数；将训练集和测试集数据输入到TCN网络中，按算法需求再处理数据；以“训练‑测试”的方式迭代网络，当迭代到n次时，结束训练，网络输出为雷达辐射源调制模式预测类别。本发明以雷达辐射源脉冲信号去噪后的时域和频域信号分别输入到TCN网络中进行基于卷积运算的特征提取并识别，从而实现了提高雷达脉冲信号的识别率。
-
公开(公告)号：CN115037096A
公开(公告)日：2022-09-09
申请号：CN202210710378.5
申请日：2022-06-22
Applicant: 吉林大学
Abstract: 本发明涉及一种集成双级行星减速器的轮毂电机总成，属于电动轮技术领域，包括支撑轴；轮毂电机，套设在所述支撑轴上；一级行星齿轮减速器，安装在所述轮毂电机的一侧；二级行星齿轮减速器，安装在所述一级行星齿轮减速器的输出侧；盘式制动器，安装在所述轮毂电机的轮毂腔内，用于提供机械制动力；转向支架，安装在所述轮毂电机上；转向节臂，与所述转向支架固定连接。本发明的集成双级行星减速器的轮毂电机总成将两级行星齿轮减速器、轮毂电机、转向节臂和制动器进行整体式拓扑设计，轮内空间被最大程度利用，集成度高，在有限的车轮空间内实现了大传动比和高速内转子电机的配合。
-
公开(公告)号：CN114715167A
公开(公告)日：2022-07-08
申请号：CN202210479452.7
申请日：2022-05-05
Applicant: 吉林大学
Abstract: 本发明属于汽车自动驾驶技术领域，尤其为一种基于全向移动车辆多行驶模式的自动驾驶轨迹跟踪控制方法，包括以下步骤：S1、设计四轮转向模式轨迹跟踪控制器；S2、设计原地转向轨迹跟踪控制器；S3、设计斜行模式轨迹跟踪控制器；建立轨迹信息，进行斜行和与原地转向模式切换测试，进行斜行和原地转向模式切换测试。本发明通过有限状态机所实现的自动驾驶行驶模式的切换逻辑，可以在中低速工况下实现全向移动车辆根据上层规划层的需要自动切换到适当的行驶模式，从而进行高精度曲线的跟踪，具有现实意义。
-
公开(公告)号：CN113968205A
公开(公告)日：2022-01-25
申请号：CN202111452288.2
申请日：2021-12-01
Applicant: 吉林大学
Abstract: 本发明适用于汽车控制领域，特别是涉及一种基于多轴电驱动车辆的复合制动容错控制方法及车辆，所述方法包括：获取各轮滑移量，确定各轮滑移率信息；根据各轮滑移率信息获取同轴的两轮的滑移率差值；判断同轴的两轮的滑移率差值是否超过第一限值，或判断制动减速度是否达到期望，确定电机失效情况，根据失效电机是否同轴和同侧将电机失效情况划分为单侧电机失效、两侧异轴电机失效和两侧同轴电机失效；根据车辆参数确定车辆制动所需的总制动力矩；根据电机失效情况分配所述的车辆制动所需的总制动力矩到各轮对应的未失效电机和气动制动装置；本实施例可解决现有非全轮驱动车辆在制动时因电机失效而带来的安全问题，保证车辆的制动安全性。
-
Patent Agency Ranking
公开(公告)号：CN116561628A
公开(公告)日：2023-08-08
申请号：CN202310530368.8
申请日：2023-05-12
Applicant: 吉林大学
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/096
Abstract: 一种基于迁移学习的航空复合材料工件损伤诊断方法，属于结构健康监测以及机器学习技术领域。本发明的目的是利用迁移学习中的度量学习理论，从通过仿真软件获取的铝板损伤信号这一源域，迁移到仿真软件与实验获取悬臂梁损伤信号目标域中来的基于迁移学习的航空复合材料工件损伤诊断方法。本发明将仿真软件内获取的铝板的损伤信号作为源域，使用重分布方法，对接收到的信号进行处理，构建卷积神经网络模型，将采用源域知识训练完成的卷积神经网络模型迁移到目标域中，应用最近邻方法对目标域内的样本数据进行分类，得到损伤诊断结果。本发明应对损伤样本数量少且样本分布不平衡的实际情况，实现对航空复合材料的损伤高精度与高准确率识别。
-
公开(公告)号：CN113525068B
公开(公告)日：2022-04-05
申请号：CN202110978573.1
申请日：2021-08-25
Applicant: 吉林大学
Abstract: 本发明公开了一种集成制动、转向及环形轮毂电机的车轮总成，包括：环形轮毂电机，其主要包括转子、定子、定子支架、轮毂轴承、永磁体等，转子和轮辋集成一体，定子支架和转向系统集成一体，转子和定子支架为中空构造，两者配合形成贯通的轮毂腔和封闭的电机腔；制动器，其布置于轮毂腔内，具有良好的散热效果；转向系统，包括转向电机和直角蜗杆减速器，其布置于轮毂腔内，极大的缩减了线控转向的轴向尺寸。本发明还公开了一种与之配合的半断开铰接悬架系统，在悬架下横臂设置铰链，使其具有上下跳动的自由度。
-
公开(公告)号：CN113799595A
公开(公告)日：2021-12-17
申请号：CN202111252953.3
申请日：2021-10-27
Applicant: 吉林大学
Abstract: 本发明公开了一种集成轮毂电机与轮辋、制动器的车轮总成，包括：轮辋，其包括轮辋辐板和轮胎安装板；转子，其包括转子主体部、转子辐板、转轴和多个永磁体；转子辐板、转子主体部和转轴围合形成圆环状的容纳腔；多个永磁体固定安装在转子主体部上；其中，转子同轴设置在轮辋内；转子辐板与轮辋辐板可拆卸的固定连接；轮辋安装板的内壁上沿周向设置有向轮辋中心方向凸起的环形凸起部，环形凸起部与转子主体部之间过盈配合；定子，其包括定子支架、多个定子铁芯和多个电机绕组；其中，定子支架同轴设置在容纳腔中，转轴可旋转的支撑在定子支架中；多个定子铁芯固定设置定子支架的外壁上，电机绕组一一对应的缠绕在定子铁芯上。
-
公开(公告)号：CN118380079A
公开(公告)日：2024-07-23
申请号：CN202410370398.1
申请日：2024-03-29
Applicant: 吉林大学
IPC: G16C60/00 , G06N3/0464 , G06N3/096
Abstract: 一种基于迁移学习的CFRP材料结构损伤区域定位方法，属于结构健康监测以及机器学习领域。本发明的目的是根据迁移学习中的基于映射的方法，将板状结构损伤定位问题转化为满足源域和目标域部分实例不同时，使用全局条件移位显示场景问题的基于迁移学习的CFRP材料结构损伤区域定位方法。本发明将采集到的连续时域数据作为数据样本；从映射学习的角度设计迁移网络，构建适合条件移位下的损失函数；使用源域数据训练初始网络模型，并利用目标域的知识对预训练的网络进行微调；将目标域样本输入训练完成的神经网络，得到损伤定位结果。本发明通过构建基于不同域差异的迁移学习，可以在不同的外界情况和不同的工件下，实现对于复合材料工件损伤区域坐标的准确诊断。
-
公开(公告)号：CN118230868A
公开(公告)日：2024-06-21
申请号：CN202410407885.0
申请日：2024-04-07
Applicant: 吉林大学
IPC: G16C60/00 , G06F30/27 , G06N3/044 , G06N3/096 , G06F113/26 , G06F119/04
Abstract: 一种基于迁移学习对复合材料结构的剩余寿命预测方法，属于结构健康监测以及机器学习技术领域。本发明的目的是将复合材料工件剩余使用寿命预测问题转化为满足源域和目标域部分实例不同时产生的协变量移位显示场景问题的基于迁移学习对复合材料结构的剩余寿命预测方法。本发明从通过与目标域不同铺层和不同应力的复合材料工件这一源域，迁移到其他结构工件的目标域中来。将系统退化看作随时间转移的分布动态改变问题，制定剩余使用寿命预测的协方差平移策略。使得不同的工件在生命周期中的每个时间状态都被会放入RNN单元内进行动态度量，最终完成预测知识迁移。本发明构建了循环神经网络对特征进行提取，增加了损伤信号的展开维度，使得模型能够有效预测剩余使用寿命，提高了损伤诊断的准确率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
