一种车辆运行道路区域类型辨识方法

    公开(公告)号:CN115798239A

    公开(公告)日:2023-03-14

    申请号:CN202211439582.4

    申请日:2022-11-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种车辆运行道路区域类型辨识方法,包括:步骤一:划分目标区域中的山区区域类型、市区区域类型、郊区区域类型和高速区域类型;并将区域类型的范围具象为离散的经纬度点状信息;步骤二:根据车辆GPS定位信息及区域类型范围信息,判断每个短行程所属的区域类型;步骤三:每个短行程特征参数数据库内增加车辆运行所属区域类型的标签;同时获得机器学习数据库,利用机器学习算法进行训练,构建出基于机器学习的车辆运行道路区域分类模型,该模型将用于对车辆运行道路区域的辨识。实现了在行驶工况合成之前获取用户数据的所属区域类型标签,可用于构建不同城市分区域类型的行驶工况,及时准确的校准技术参数评估整车性能。

    基于机器视觉与雷达信息融合的车辆能量控制方法及系统

    公开(公告)号:CN116331184B

    公开(公告)日:2024-04-02

    申请号:CN202310338541.4

    申请日:2023-03-31

    Applicant: 长安大学

    Abstract: 一种基于机器视觉与雷达信息融合的车辆能量控制方法及系统,方法包括通过机器视觉与毫米波雷达获取行驶车辆自身及外部多源交通图像信息并进行融合,得到融合图像信息;基于深度学习的单阶段方法在融合图像信息中提取特征信息;将融合图像信息中提取到的特征信息以及行驶车辆的车速、加速度信息输入级联式长短期记忆网络车速预测模型,获取行驶车辆短时域内的车速预测信息;基于MPC通过行驶车辆短时域内的车速预测信息求解需求转矩以及短时域内的最优转矩分配,并通过循环迭代,获得最优转矩控制序列;根据最优转矩控制序列计算整车的发动机与电机两个能量源之间的能量分配。本发明能够为能量管理策略的制定提供更多、更精确的输入。

    基于工况识别的PHET能量管理策略生成方法及系统

    公开(公告)号:CN115730529B

    公开(公告)日:2024-02-27

    申请号:CN202211627066.4

    申请日:2022-12-16

    Applicant: 长安大学

    Abstract: 一种基于工况识别的PHET能量管理策略生成方法及系统,方法包括:构建车辆在不同运行场景下的典型行驶工况;识别车辆的实时行驶工况;基于DDPG算法构建神经网络,并对神经网络的源域进行深度强化学习,完成神经网络的训练,所述的源域为车辆在不同运行场景下的典型行驶工况;采用迁移学习对训练好的神经网络从源域到目标域转移,生成符合行驶场景特征的PHET能量管理策略,所述的目标域为车辆的实时行驶工况。本发明能够解决现有基于学习的能量管理策略无法保证能耗的实时最优,在面临全新、复杂、特殊多变的行驶工况下控制策略时效性差,实时应用效果不佳以及没有考虑插电式混

    一种车辆运行道路区域类型辨识方法

    公开(公告)号:CN115798239B

    公开(公告)日:2023-09-22

    申请号:CN202211439582.4

    申请日:2022-11-17

    Applicant: 长安大学

    Abstract: 本发明公开了一种车辆运行道路区域类型辨识方法,包括:步骤一:划分目标区域中的山区区域类型、市区区域类型、郊区区域类型和高速区域类型;并将区域类型的范围具象为离散的经纬度点状信息;步骤二:根据车辆GPS定位信息及区域类型范围信息,判断每个短行程所属的区域类型;步骤三:每个短行程特征参数数据库内增加车辆运行所属区域类型的标签;同时获得机器学习数据库,利用机器学习算法进行训练,构建出基于机器学习的车辆运行道路区域分类模型,该模型将用于对车辆运行道路区域的辨识。实现了在行驶工况合成之前获取用户数据的所属区域类型标签,可用于构建不同城市分区域类型的行驶工况,及时准确的校准技术参数评估整车性能。

    基于机器视觉与雷达信息融合的车辆能量控制方法及系统

    公开(公告)号:CN116331184A

    公开(公告)日:2023-06-27

    申请号:CN202310338541.4

    申请日:2023-03-31

    Applicant: 长安大学

    Abstract: 一种基于机器视觉与雷达信息融合的车辆能量控制方法及系统,方法包括通过机器视觉与毫米波雷达获取行驶车辆自身及外部多源交通图像信息并进行融合,得到融合图像信息;基于深度学习的单阶段方法在融合图像信息中提取特征信息;将融合图像信息中提取到的特征信息以及行驶车辆的车速、加速度信息输入级联式长短期记忆网络车速预测模型,获取行驶车辆短时域内的车速预测信息;基于MPC通过行驶车辆短时域内的车速预测信息求解需求转矩以及短时域内的最优转矩分配,并通过循环迭代,获得最优转矩控制序列;根据最优转矩控制序列计算整车的发动机与电机两个能量源之间的能量分配。本发明能够为能量管理策略的制定提供更多、更精确的输入。

    基于工况识别的PHET能量管理策略生成方法及系统

    公开(公告)号:CN115730529A

    公开(公告)日:2023-03-03

    申请号:CN202211627066.4

    申请日:2022-12-16

    Applicant: 长安大学

    Abstract: 一种基于工况识别的PHET能量管理策略生成方法及系统,方法包括:构建车辆在不同运行场景下的典型行驶工况;识别车辆的实时行驶工况;基于DDPG算法构建神经网络,并对神经网络的源域进行深度强化学习,完成神经网络的训练,所述的源域为车辆在不同运行场景下的典型行驶工况;采用迁移学习对训练好的神经网络从源域到目标域转移,生成符合行驶场景特征的PHET能量管理策略,所述的目标域为车辆的实时行驶工况。本发明能够解决现有基于学习的能量管理策略无法保证能耗的实时最优,在面临全新、复杂、特殊多变的行驶工况下控制策略时效性差,实时应用效果不佳以及没有考虑插电式混合动力汽车动力电池能量损耗与老化的状态平衡等问题。

Patent Agency Ranking