-
公开(公告)号：CN112462612A
公开(公告)日：2021-03-09
申请号：CN202011381810.8
申请日：2020-12-01
Applicant: 吉林大学
IPC: G05B13/04
Abstract: 本发明公开了基于并行牛顿求解的车辆横纵耦合非线性模型预测控制器,控制器由车辆3自由度动力学模型得到横纵耦合的非线性控制模型，采用前轮转向角与前后轮驱动力作为控制量，根据模型预测控制算法，考虑车辆物理约束并构造代价函数。本发明主要针对车辆路径跟踪控制问题，利用车辆动力学得到横纵耦合的控制模型，以此模型设计非线性模型预测控制器，利用并行牛顿法实现非线性控制器的快速求解。车辆横纵耦合路径跟踪非线性模型预测控制器，是通过车辆三自由度动力学模型推导得出，考虑了横纵向间的相互影响，以此模型设计非线性预测控制器，保留了车辆系统的非线性，保证了模型精度。
-
公开(公告)号：CN115344047B
公开(公告)日：2024-08-23
申请号：CN202211008964.1
申请日：2022-08-22
Applicant: 吉林大学
IPC: G05D1/43 , G05D1/644 , G05D109/10
Abstract: 本发明适用于轮式机器人的轨迹跟踪控制技术领域，提供了基于神经网络模型的机器人切换式预测控制轨迹跟踪方法，包括以下步骤：步骤S1：建立轮式机器人的误差状态方程及搭建机理预测模型；步骤S2：建立及训练离线神经网络预测模型；步骤S3：训练在线神经网络预测模型；步骤S4：建立预测模型切换器；步骤S5：建立非线性模型预测控制器，构建优化描述问题，并对优化描述问题进行求解，获得最优解。本发明在一定程度上降低了预测模型因车身参数导致的预测误差，提升轮式机器人轨迹跟踪精度效果；相比于普通的离线神经网络预测模型具有更高的适应性和精度，并且可基于预测误差进行预测模型的切换，相比于纯机理的预测模型误差更小，精度更高。
-
公开(公告)号：CN116424343A
公开(公告)日：2023-07-14
申请号：CN202211623241.2
申请日：2022-12-16
Applicant: 吉林大学
IPC: B60W40/112 , G06F30/20 , G06F17/18 , G06F119/02
Abstract: 本发明适用于电动汽车控制技术领域，提供了一种考虑外部干扰下电动汽车横摆稳定学习预测控制方法，包括以下步骤：搭建数据机理混合模型，针对传统二自由度车辆模型误差大的问题，采用机器学习模型对机理模型的误差进行补偿，获得高精度的数据机理混合模型；根据车辆横摆稳定控制器的控制目标，考虑车辆执行机构约束和车辆行驶的安全性约束设计横摆稳定控制器；针对环境中的不确定性，考虑不确定性预测时域内的传播问题，采用概率约束转化为确定性约束的方法，将原来的随机优化问题转化为确定性的非线性规划问题。通过求解非线性规划问题完成横摆稳定控制器设计。本发明保证了电动汽车行驶过程中的安全性，进一步提升电子车身稳定系统的性能。
-
公开(公告)号：CN118894134A
公开(公告)日：2024-11-05
申请号：CN202411400826.7
申请日：2024-10-09
Applicant: 吉林大学
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本发明适用于自动驾驶技术领域，提供了一种考虑周车不确定性的自动驾驶汽车轨迹规划方法。本发明基于周车n步概率可达集的计算和模型预测控制方法，自动驾驶系统能够提前预测其他车辆可能的运动轨迹，从而更有效地避免潜在碰撞风险，在面对不可预见的情况时，仍能保持平滑的轨迹。本发明能够提升自动驾驶系统的安全性和鲁棒性，提供更好的适应性和灵活性，优化驾驶体验，并提高整体交通效率。本发明利用可达集与模型预测控制相结合，在考虑障碍车辆时引入预测的n步概率可达集，通过预测未来状态并优化控制策略，在考虑不确定性时既保证驾驶安全性和舒适性，又提高了系统性能和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116495007A
公开(公告)日：2023-07-28
申请号：CN202310272329.2
申请日：2023-03-21
Applicant: 吉林大学
IPC: B60W60/00 , G06N3/0442 , G06N3/048 , G06N3/084 , B60W40/10
Abstract: 本发明适用于车辆的轨迹预测技术领域，提供了一种考虑物理约束的车辆轨迹深度学习预测方法，在经典恒转向速度和加速度模型的基础上，考虑换道场景下的车辆的汽车运动学特点，建立了恒横摆角速度、变加速度汽车运动学模型。同时，选取长短时记忆网络作为基础的数据模型。将恒横摆角速度、变加速度汽车运动学模型作为物理约束嵌入长短时记忆网络中，搭建物理约束长短时记忆网络。仿真结果表明，本发明提出的轨迹预测方法适用于车辆轨迹的长期预测，相较于传统基于深度学习的轨迹预测方法，在保证预测准确性的前提下，增强了预测过程的可解释性和预测结果的可靠性。
-
公开(公告)号：CN115344047A
公开(公告)日：2022-11-15
申请号：CN202211008964.1
申请日：2022-08-22
Applicant: 吉林大学
IPC: G05D1/02
Abstract: 本发明适用于轮式机器人的轨迹跟踪控制技术领域，提供了基于神经网络模型的机器人切换式预测控制轨迹跟踪方法，包括以下步骤：步骤S1：建立轮式机器人的误差状态方程及搭建机理预测模型；步骤S2：建立及训练离线神经网络预测模型；步骤S3：训练在线神经网络预测模型；步骤S4：建立预测模型切换器；步骤S5：建立非线性模型预测控制器，构建优化描述问题，并对优化描述问题进行求解，获得最优解。本发明在一定程度上降低了预测模型因车身参数导致的预测误差，提升轮式机器人轨迹跟踪精度效果；相比于普通的离线神经网络预测模型具有更高的适应性和精度，并且可基于预测误差进行预测模型的切换，相比于纯机理的预测模型误差更小，精度更高。
-
公开(公告)号：CN112462612B
公开(公告)日：2021-11-30
申请号：CN202011381810.8
申请日：2020-12-01
Applicant: 吉林大学
IPC: G05B13/04
Abstract: 本发明公开了基于并行牛顿求解的车辆横纵耦合非线性模型预测控制器,控制器由车辆3自由度动力学模型得到横纵耦合的非线性控制模型，采用前轮转向角与前后轮驱动力作为控制量，根据模型预测控制算法，考虑车辆物理约束并构造代价函数。本发明主要针对车辆路径跟踪控制问题，利用车辆动力学得到横纵耦合的控制模型，以此模型设计非线性模型预测控制器，利用并行牛顿法实现非线性控制器的快速求解。车辆横纵耦合路径跟踪非线性模型预测控制器，是通过车辆三自由度动力学模型推导得出，考虑了横纵向间的相互影响，以此模型设计非线性预测控制器，保留了车辆系统的非线性，保证了模型精度。
-
公开(公告)号：CN118894134B
公开(公告)日：2024-12-13
申请号：CN202411400826.7
申请日：2024-10-09
Applicant: 吉林大学
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本发明适用于自动驾驶技术领域，提供了一种考虑周车不确定性的自动驾驶汽车轨迹规划方法。本发明基于周车n步概率可达集的计算和模型预测控制方法，自动驾驶系统能够提前预测其他车辆可能的运动轨迹，从而更有效地避免潜在碰撞风险，在面对不可预见的情况时，仍能保持平滑的轨迹。本发明能够提升自动驾驶系统的安全性和鲁棒性，提供更好的适应性和灵活性，优化驾驶体验，并提高整体交通效率。本发明利用可达集与模型预测控制相结合，在考虑障碍车辆时引入预测的n步概率可达集，通过预测未来状态并优化控制策略，在考虑不确定性时既保证驾驶安全性和舒适性，又提高了系统性能和稳定性。
-
公开(公告)号：CN116048081A
公开(公告)日：2023-05-02
申请号：CN202310035839.8
申请日：2023-01-10
Applicant: 吉林大学
IPC: G05D1/02
Abstract: 本发明适用于自动驾驶汽车控制技术领域，提供了一种考虑安全边界约束的自动驾驶车辆决策与规控方法，包括以下步骤：首先搭建行为决策模块，将路径及速度信息作用于规划控制器；然后由车辆三自由度耦合模型得到非线性预测模型，考虑车辆物理约束和安全边界约束，利用模型预测控制算法构造代价函数，并对其进行求解，完成轨迹规划任务；最后，将获得的控制输入作用于车辆系统，实现对车辆轨迹跟踪的控制效果。本发明在考虑车辆行驶安全边界的基础上对决策、规划和控制模块进行集成化控制，从而有效提升行车安全性，减少决策与规控的信息偏差对系统所带来的干扰，并有效应对系统的强非线性、强耦合性等特点，满足系统对控制精度及安全性的要求。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.011 seconds)
