-
公开(公告)号：CN109177746A
公开(公告)日：2019-01-11
申请号：CN201811145251.3
申请日：2018-09-29
Applicant: 同济大学
Abstract: 本发明涉及一种用于轮边电机驱动车辆差动转向的控制系统及方法，该系统包括：驾驶员意图识别模块(1)：用于识别驾驶员意图，获取驾驶员当前的期望纵向力和期望横摆角速度；侧向运动跟踪模块(2)：用于根据期望横摆角速度以及当前车辆运动状态参数获取实现差动转向所需的横摆力矩；转矩分配模块(3)：用于根据期望纵向力以及实现差动转向所需的横摆力矩对内侧电机和外侧电机进行转矩分配，同时向内侧电机和外侧电机发出电机控制信号。与现有技术相比，本发明所需传感器少、控制鲁棒性高、应用范围广。
-
公开(公告)号：CN111723849A
公开(公告)日：2020-09-29
申请号：CN202010456701.1
申请日：2020-05-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于车载摄像头的路面附着系数在线估计方法，包括以下步骤：S1：获取车辆行驶过程中前方的路面图像；S2：将路面图像输入训练完成的路面分割模型，将路面图像分割为路面区域和非路面区域；S3：提取分割完成路面图像中的路面区域，得到路面分类数据集；S4：将路面分类数据集输入训练完成的路面分类模型，得到前方路面类型；S5：根据前方路面类型、延迟时间以及路面类型与路面附着系数映射关系，得到当前车辆路面附着系数估计值，与现有技术相比，本发明具有估计精度高、实时性好且识别快速等优点。
-
公开(公告)号：CN111688706A
公开(公告)日：2020-09-22
申请号：CN202010456702.6
申请日：2020-05-26
Applicant: 同济大学
IPC: B60W40/064 , B60W50/00
Abstract: 本发明涉及一种基于视觉与动力学的路面附着系数交互式估计方法，包括以下步骤：S1：获取车辆行驶过程中前方的路面图像；S2：将路面图像输入训练完成的路面分类模型，得到前方路面类型；S3：根据前方路面类型和路面类型与路面附着系数映射关系，获取路面附着系数视觉估计值θyimage；S4：获取车辆行驶过程中轮胎的动力学信息；S5：利用路面附着系数-轮胎回正力矩估计器，获取当前路面峰值附着系数估计值θy；S6：结合路面附着系数视觉估计值θximage和当前路面峰值附着系数估计值θy，利用模糊推理规则得到最终路面附着系数估计值，与现有技术相比，本发明具有估计精度高、实时性好、鲁棒性强等优点。
-
公开(公告)号：CN109466338A
公开(公告)日：2019-03-15
申请号：CN201811145253.2
申请日：2018-09-29
Applicant: 同济大学
IPC: B60L15/20
Abstract: 本发明涉及一种六轮独立驱动车辆的电机力矩能耗优化控制分配方法，该方法包括如下步骤：(1)判断车辆运行工况，若为直线行驶工况，则执行步骤(2)，若为前进转向工况，则执行步骤(3)，若为原地转向工况，则执行步骤(4)；(2)以驱动电机总效率最大为优化目标，得到最优分配系数，确定各驱动电机的驱动力矩；(3)以减小车辆侧向阻力矩为优化目标，对各驱动电机力矩分配优先等级进行优化，并根据力矩分配优先等级确定各驱动电机的驱动力矩；(4)以驱动电机总体输出功率最小为优化目标，确定各驱动电机的驱动力矩。与现有技术相比，本发明实现了不同工况下基于能耗优化的电机力矩分配，避免造成单个轮胎的过度磨损。
-
公开(公告)号：CN112373484B
公开(公告)日：2021-12-31
申请号：CN202011344194.9
申请日：2020-11-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值MNN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值MDynamic(k)；4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k)，以及上一采样时刻整车质量的最终估计值MFusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值MFusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN113538357A
公开(公告)日：2021-10-22
申请号：CN202110777999.0
申请日：2021-07-09
Applicant: 同济大学
Abstract: 本发明涉及一种抗阴影干扰的路面状态在线检测方法，包括：收集不同场景工况下的路面图像及路面阴影图像历史数据，通过离线训练，分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型；获取实际路面图像，基于路面区域分割模型、路面阴影检测模型和路面状态分类模型，得到该实际路面图像对应的路面状态检测结果。与现有技术相比，本发明不依赖车辆激励状态，且不受路面阴影干扰，能够对车辆当前行驶道路的路面状态进行准确可靠的检测。
-
公开(公告)号：CN110901647B
公开(公告)日：2021-03-26
申请号：CN201911167653.8
申请日：2019-11-25
Applicant: 同济大学
IPC: B60W40/064 , B60W50/00
Abstract: 本发明涉及一种考虑复杂激励条件的车辆路面附着系数自适应估计方法，包括下列步骤：1)根据整车的单轮动力学模型设计估计器，并估计纵向轮胎力和纵向激励下路面峰值附着系数；2)基于整车二自由度运动学模型设计估计器，并估计轮胎回正力矩和侧向力激励下路面峰值附着系数；3)通过车辆状态参数判断车辆满足的激励条件，模糊推理出当前纵侧向轮胎力所能达到的极限，并据此设计融合观测器进行估计结果融合。与现有技术相比，本发明具有鲁棒性好、实时性高、快速准确等优点。
-
公开(公告)号：CN112373484A
公开(公告)日：2021-02-19
申请号：CN202011344194.9
申请日：2020-11-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值MNN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值MDynamic(k)；4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k)，以及上一采样时刻整车质量的最终估计值MFusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值MFusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。
-
公开(公告)号：CN111688707A
公开(公告)日：2020-09-22
申请号：CN202010457781.2
申请日：2020-05-26
Applicant: 同济大学
IPC: B60W40/064 , B60W50/00
Abstract: 本发明涉及一种视觉与动力学融合的路面附着系数估计方法，包括以下步骤：S1：获取车辆行驶过程中前方的路面图像；S2：将路面图像训练完成的路面分类模型，得到前方路面类型；S3：根据前方路面类型和路面类型与路面附着系数映射关系，获取路面附着系数视觉估计值θximage；S4：获取车辆行驶过程中轮胎的动力学信息；S5：利用路面附着系数-轮胎纵向力估计器，获取当前路面峰值附着系数估计值θx；S6：结合路面附着系数视觉估计值θximage和当前路面峰值附着系数估计值θx，利用模糊推理规则得到最终路面附着系数估计值，与现有技术相比，本发明具有估计精度高、实时性好、鲁棒性强等优点。
-
公开(公告)号：CN110901647A
公开(公告)日：2020-03-24
申请号：CN201911167653.8
申请日：2019-11-25
Applicant: 同济大学
IPC: B60W40/064 , B60W50/00
Abstract: 本发明涉及一种考虑复杂激励条件的车辆路面附着系数自适应估计方法，包括下列步骤：1)根据整车的单轮动力学模型设计估计器，并估计纵向轮胎力和纵向激励下路面峰值附着系数；2)基于整车二自由度运动学模型设计估计器，并估计轮胎回正力矩和侧向力激励下路面峰值附着系数；3)通过车辆状态参数判断车辆满足的激励条件，模糊推理出当前纵侧向轮胎力所能达到的极限，并据此设计融合观测器进行估计结果融合。与现有技术相比，本发明具有鲁棒性好、实时性高、快速准确等优点。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
