-
公开(公告)号：CN113705865B
公开(公告)日：2024-05-03
申请号：CN202110935648.8
申请日：2021-08-16
申请人： 东南大学
IPC分类号： G06N3/084 , G06N3/045 , G06N3/0499 , G06N3/06 , G06Q50/04
摘要： 本发明公开一种基于深度神经网络的汽车稳定性因数预测方法，其特征在于包含以下步骤：采集驾驶员在不同工况下驾驶时的汽车状态参数数据，针对每种工况采集多组汽车状态参数数据，对采集的数据进行预处理，建立汽车稳定性因数估计数据库；设计多层前馈神经网络，神经网络学习算法的训练；对神经网络进行测试，验证神经网络的训练效果是否满足要求。本发明方法能够保证不同工况下汽车操纵稳定性，用于汽车控制器设计，能够保证控制器在汽车处于不同工况下，均有较好的控制效果。
-
公开(公告)号：CN111123334B
公开(公告)日：2022-10-28
申请号：CN201910664988.4
申请日：2019-07-23
申请人： 东南大学
摘要： 本发明涉及一种极限工况下多车协同定位平台及定位方法，定位平台包括在极限工况情况下互相协作实现车辆精准定位的通信装置、车载装置、路侧装置以及卫星组；通信装置为位于网络中的车辆提供实时信号；车载装置安装在位于网络中的车辆上，其实时接收通信装置的信息以及相邻其他车辆的位置信息；路侧装置布设在道路两侧，其为车载装置实时提供道路两侧固定物的信息；卫星组为位于网络中的车辆在优质路况上提供道路级车辆定位，为位于网络中的车辆在极限工况下提供绝对定位，同时为车载装置、路侧装置提供辅助定位；本发明在极限工况下能够实时的完成道路与环境感知准确定位，为智能网联汽车的发展与交通道路系统的改善提供了强有力的基础。
-
公开(公告)号：CN113650620B
公开(公告)日：2022-08-12
申请号：CN202111002707.2
申请日：2021-08-30
申请人： 东南大学
摘要： 本发明涉及一种四轮电驱动汽车状态预测方法，首先利用车载传感器获得汽车的纵向速度、横摆角速度、轮胎侧向力、前轮转角信号和纵向驱动力信息，利用无迹卡尔曼滤波算法获得基于模型的车辆状态估计；将车辆运行中产生的大数据进行提取获得状态输入和输出数据集，运用神经网络训练获得软件定义的车，使得其能够根据车辆控制输入自动输出车辆状态，获得基于数据的车辆状态估计；将获得的基于模型和数据的车辆估计加权融合，获得最终汽车状态估计值。本发明基于算法的持续优化，不断改善预测精度，促进了汽车主动安全控制技术的发展。
-
公开(公告)号：CN114043986A
公开(公告)日：2022-02-15
申请号：CN202110971842.1
申请日：2021-08-20
申请人： 东南大学
IPC分类号： B60W40/064
摘要： 本发明公开了一种车载传感器测量数据异常情况下的汽车状态估计方法，具体包括以下步骤：采集车辆纵向加速度、横向加速度、横摆角速度和前轮转角信号，与非线性车辆模型结合，利用强跟踪无迹卡尔曼滤波估计车辆轴向力信息，基于车辆轴向力信息利用交互多模型无迹卡尔曼估计轮胎路面附着系数；车辆轴向力信息包括车辆前轴的纵向力和侧向力以及车辆后轴的纵向力和侧向力。通过交互与混合、预测以及融合，给出了一种可以结合多个模型的优势实现在复杂驾驶工况下轮胎路面附着系数的精确估计，然后对后验状态和它的协方差矩阵Pη更新，采用先验与后验相结合的估计方法，可以填补当前质量失配情况下汽车轴向力无法精确估计的技术空白。
-
公开(公告)号：CN111967373A
公开(公告)日：2020-11-20
申请号：CN202010818329.4
申请日：2020-08-14
申请人： 东南大学
摘要： 本发明公开一种基于摄像头和激光雷达的自适应强化融合实时实例分割方法，所述方法包括：利用卷积神经网络分别提取目标的摄像头图像和激光雷达投影图的图像特征，分别得到第一图像特征和第二图像特征；自适应地分配第一图像特征和第二图像特征的权重，根据分配的第一权重对第一图像特征加权得到第三图像特征，根据分配的第二权重对第二图像特征加权得到第四图像特征，对第三图像特征和第四图像特征进行强化融合；根据所述融合后的图像特征，利用实时实例分割网络输出目标的类别、置信度、边界框、掩模，获取目标的实例分割结果。本发明能够在复杂环境下实时、精确且鲁棒地实现目标实例分割，在智能网联车辆感知领域具有广泛的应用前景。
-
公开(公告)号：CN111152795A
公开(公告)日：2020-05-15
申请号：CN202010017828.3
申请日：2020-01-08
申请人： 东南大学
摘要： 本发明涉及一种基于模型和参数动态调整的自适应车辆状态预测系统及预测方法，工作时，通过模糊推理系统单元对鲁棒容积卡尔曼滤波单元中过程噪声参数进行动态更新，通过模型参数预测单元对鲁棒容积卡尔曼滤波单元中模型参数进行动态更新；基于车载传感器信号测量单元采集到的传感器信息和鲁棒容积卡尔曼滤波单元完成对汽车状态的高精度预测；本发明在汽车状态预测的同时模型具有动态更新能力，同时基于算法的持续自我调整，不断改善预测精度，促进了汽车主动安全控制技术的发展。
-
公开(公告)号：CN111985296B
公开(公告)日：2024-06-07
申请号：CN202010549137.8
申请日：2020-06-16
申请人： 东南大学
摘要： 本发明涉及一种基于卡尔曼滤波轨迹预测的能量机关识别算法，利用几何约束集遍历轮廓删除伪装甲板，采用模板匹配方法对能量机关扇叶进行识别；接着建立了基于卡尔曼滤波的能量机关轨迹预测模型，采用卡尔曼滤波预测和更新能量机关运动状态，完成了能量机关的定位和预测；最后建立子弹抛物模型对云台角度进行补偿，获得云台横摆角和俯仰角；本发明不仅提高了查找能量机关轮廓的准确率，而且能够完成能量机关的准确定位与预测，解决了装甲误识别率高、鲁棒性差以及云台运动滞后等问题。
-
公开(公告)号：CN116819313A
公开(公告)日：2023-09-29
申请号：CN202310695087.8
申请日：2023-06-12
申请人： 东南大学
IPC分类号： G01R31/34
摘要： 本发明公开了一种适用于四轮独立驱动电车轮毂电机的故障诊断方法，建立了七自由度车辆动力学模型和轮毂电机故障模型；提出了基于平面投影定理的轮毂电机故障隔离方法，将输入残差信息稳态解与故障特征向量的夹角进行排序并得出故障隔离信号，克服了现有方法模型固化和实时性差的缺陷；构建了考虑车速摄动和外界干扰不确定性的鲁棒H∞故障估计器，最大程度地降低了故障特征信号和估计系数残差最小值。本发明的提出为底盘控制层提供了有效信息，削弱了传感器以及车载元件极易产生老化、电路故障等风险，所提出的故障检测、故障隔离和故障估计方法不仅可以处理实际车辆行驶过程中存在车速摄动、参数不确定性问题，而且大大减少了外界干扰，具有良好的准确性和容错性，有利于提高电动汽车的安全性和稳定性。
-
公开(公告)号：CN116811601A
公开(公告)日：2023-09-29
申请号：CN202310814861.2
申请日：2023-07-05
申请人： 东南大学
摘要： 本发明公开了一种基于模型预测控制的分布式驱动电动汽车转矩控制方法，涉及自动驾驶转向控制技术领域，解决了车辆操纵在稳定性和节能性方面存在不足的技术问题，其技术方案要点是为了在提高车辆操纵稳定性的同时实现分布式电动汽车的节能，设计了力矩矢量分配框架，上层驾驶员速度控制需求产生总转矩，采用比例积分控制算法设计，通过驾驶模拟器获得转向行为。然后，将优化后的转矩矢量分配到前/后轴。下层通过左右车轮的纵向差力产生直接偏航力矩控制输入，以确保车辆的操纵稳定性。
-
公开(公告)号：CN111152795B
公开(公告)日：2022-12-13
申请号：CN202010017828.3
申请日：2020-01-08
申请人： 东南大学
摘要： 本发明涉及一种基于模型和参数动态调整的自适应车辆状态预测系统及预测方法，工作时，通过模糊推理系统单元对鲁棒容积卡尔曼滤波单元中过程噪声参数进行动态更新，通过模型参数预测单元对鲁棒容积卡尔曼滤波单元中模型参数进行动态更新；基于车载传感器信号测量单元采集到的传感器信息和鲁棒容积卡尔曼滤波单元完成对汽车状态的高精度预测；本发明在汽车状态预测的同时模型具有动态更新能力，同时基于算法的持续自我调整，不断改善预测精度，促进了汽车主动安全控制技术的发展。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.016 秒)
