-
公开(公告)号：CN115617930A
公开(公告)日：2023-01-17
申请号：CN202211118855.5
申请日：2022-09-15
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
Abstract: 本申请实施例公开了一种运动轨迹的生成方法、装置、电子设备及存储介质。应用于自动化测试领域。包括：获取至少一个参考车辆和目标车辆的历史运动轨迹数据。利用轨迹生成模型根据所有参考车辆的历史运动轨迹数据确定目标车辆对应的社交信息向量。利用轨迹生成模型根据目标车辆的历史运动轨迹数据确定目标车辆对应的第一历史轨迹特征向量。利用轨迹生成模型根据目标车辆对应的社交信息向量和目标车辆对应的轨迹特征向量，生成目标车辆的运动规划轨迹。本申请实施例可以利用轨迹生成模型快速生成多个交通参与物的运动轨迹。这样多个交通参与物可以加入至测试场景中，以增加测试场景的复杂度。
-
公开(公告)号：CN104442382B
公开(公告)日：2017-11-28
申请号：CN201410662901.7
申请日：2014-11-19
Applicant: 清华大学 , 清华大学苏州汽车研究院(吴江)
IPC: B60K26/02
Abstract: 本发明涉及具有触觉反馈功能的汽车加速踏板机械装置，该装置包括：踏板支架，安装在该踏板支架上的、踏板转轴轴系、控制电机轴系、行星齿轮机构和控制推杆机构；其中，踏板支架与汽车车身固结；踏板转轴轴系由角位移传感器、踏板转轴、加速踏板、复位弹簧组成；控制电机轴系主要由控制电机及输出轴组成；行星齿轮机构主要由太阳轮、两个行星轮、行星支架和齿圈组成；控制推杆机构主要由推杆、支杆、顶杆、缓冲弹簧和摩擦片组成。本发明可以实现普通加速踏板和主动反馈式加速踏板两种模式的自由转换。使得驾驶员能够根据自身需要选择其工作模式。
-
公开(公告)号：CN118586470A
公开(公告)日：2024-09-03
申请号：CN202410539239.X
申请日：2024-04-30
Applicant: 清华大学
IPC: G06N3/082 , G06N3/0499
Abstract: 本申请涉及一种用于伊辛机的多层前馈神经网络训练方法及系统。该方法包括：将多层前馈量化神经网络的监督学习建模为二次有约束二值优化问题；基于二次有约束二值优化问题构造增广拉格朗日函数，对增广拉格朗日函数降次，转化为二次无约束二值优化问题；在伊辛机上对二次无约束二值优化问题进行求解，基于求解结果更新增广拉格朗日函数中的系数，转化得到新的二次无约束二值优化问题并求解，待约束满足且目标函数收敛后，得到二次有约束二值优化问题的最优解；对最优解进行解码，得到训练后的多层前馈神经网络的参数。根据本实施例，减少了自旋数使用，简化了问题求解难度，使得真机求解更加容易，能够解决大规模问题。
-
公开(公告)号：CN109361283B
公开(公告)日：2024-08-13
申请号：CN201811594188.1
申请日：2018-12-25
Applicant: 清华大学苏州汽车研究院(吴江)
Abstract: 本发明公开了一种电机定子和轴向磁场电机。该电机定子包括：圆环柱状出线支架、多个铁芯组以及多个集电环；每个铁芯组包括多个铁芯；多个铁芯围绕圆环柱状出线支架的外侧面设置；多个集电环互相电绝缘，集电环围绕圆环柱状出线支架的中心轴且设置在圆环柱状出线支架的内侧面上；其中，铁芯的外侧围绕设置有电机绕组，同一铁芯组的多个铁芯上围绕的电机绕组与同一集电环电连接；不同铁芯组中的电机绕组与不同集电环电连接。本发明提供的技术方案提出一种针对分块式铁芯绕线方案而设计的接线结构，从而保证分块式铁芯绕线和出线方便。
-
公开(公告)号：CN114407895B
公开(公告)日：2023-08-29
申请号：CN202210180226.9
申请日：2022-02-25
Applicant: 清华大学
IPC: B60W30/14 , B60W10/06 , B60W10/10 , B60W30/188
Abstract: 本公开提供的车辆预测巡航控制方法、装置、电子设备和存储介质，本公开建立了考虑道路坡度信息，且以车辆速度、发动机转矩和车辆纵向位置作为状态变量，以发动机目标转矩作为控制变量的车辆动力学模型，并建立了以车辆速度、发动机转矩作为状态变量的油耗模型；基于综合考虑了车辆驾驶经济性、目标车速跟随和舒适性为代价函数的最优控制问题，以深度神经网络为载体，通过离线学习训练获得最优的控制策略，并在线应用最优控制策略，实现节能型预测巡航控制。本公开能够满足不同预测时域的求解实时性，保证行程时效性的同时改善了燃油经济性，并改善了求解方法对不同行驶速度和道路工况的适用范围。
-
Patent Agency Ranking
公开(公告)号：CN116485012A
公开(公告)日：2023-07-25
申请号：CN202310320169.4
申请日：2023-03-29
Applicant: 清华大学
Abstract: 本公开提供的一种交通参与者运行轨迹时空分布包络的预测计算方法，包括以下步骤：S1：筛选可行运行路径；S2：计算纵横向不确定性参数；S3：确定预测终点状态；S4：拟合待预测交通参与者的运行轨迹；S5：计算预测轨迹的时空分布包络。本公开充分利用地图拓扑信息和历史轨迹信息，采用规则式方法，提供了用于交通参与者运行轨迹预测及时空分布包络的计算方法框架，具有强泛化能力、计算快速、部署便捷的特征，实现了交通参与者时空占位预测的快速计算。
-
公开(公告)号：CN116259039A
公开(公告)日：2023-06-13
申请号：CN202310249358.7
申请日：2023-03-15
Applicant: 清华大学
IPC: G06V20/58 , G06V10/774 , G06V10/764
Abstract: 本公开提供的一种自动驾驶汽车行驶风险模型的参数标定方法，包括：设计包含低、中、高三种复杂度类型的动态交通场景，构建包含交通元素状态信息的动态交通场景数据库；搭建驾驶员认知风险捕捉系统，用于播放动态交通场景数据库内的视频、记录用于反映驾驶员认知风险的时变信号捕捉设备的反馈数据并将两者在时间上对齐；进行驾驶员认知风险捕捉实验，利用时间同步的交通元素状态信息和所述反馈数据形成实验数据集；通过控制变量方法，逐步利用低、中、高复杂度场景数据对行驶风险模型的参数进行标定。本公开将动态交通场景信息与驾驶员风险感知的时变信号相匹配，能够提升行驶风险模型的准确性。
-
公开(公告)号：CN115356923A
公开(公告)日：2022-11-18
申请号：CN202210897910.9
申请日：2022-07-28
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本申请公开了一种部分可观测马尔科夫决策问题的双循环式应用方法及系统，其中，方法包括：获取汽车的观测数据；在部分可观测马尔科夫决策过程中，基于观测数据以极大似然估计的方法构建历史信息表征的同时，将隐状态模型的梯度信息作为内在奖励函数，激励最优策略学习到环境中的不确定性，求解部分可观测马尔科夫决策的最优策略；以及基于部分可观测马尔科夫决策的最优策略生成汽车的最优控制策略。由此，能够满足在部分可观测及观测中带有噪声的不确定性场景中，求解最优策略，并满足相应的驾驶性能，提升了求解方法对观测不确定性的鲁棒性。
-
公开(公告)号：CN111209838B
公开(公告)日：2022-11-18
申请号：CN201911422483.3
申请日：2019-12-31
Applicant: 清华大学
IPC: G06V20/56 , G06V10/771 , G06V10/764
Abstract: 本发明公开了一种基于驾驶意图识别的周车换道行为识别方法，包括：构建训练样本集；将周车与所在车道中心线的横向偏离、速度和加速度作为周车基本特征，利用历史同步时间滑动窗和统计指标对周车基本特征进行扩展得到候选特征；利用基于条件互信息的最大似然度方法，对训练样本集中各周车换道行为类别，根据候选特征之间的共同信息及其关联程度，得到优选特征；通过随机森林分类器得到对训练样本识别的各时刻周车换道行为类别的概率；利用DS证据理论，将各时刻相同周车换道行为类别的概率进行融合，计算各周车换道行为类别的信度函数，由此确定最终的周车换道行为类别。本发明方法具有更好的识别准确度和时效性。
-
公开(公告)号：CN108257152B
公开(公告)日：2022-04-08
申请号：CN201711458198.8
申请日：2017-12-28
Applicant: 清华大学苏州汽车研究院(吴江)
IPC: G06T7/246 , G06T7/60 , G06T7/62 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于视频的道路入侵检测方法，包括：对视频图像的每一帧在检测区域内进行运动目标检测，提取检测目标的属性特征，所述属性特征包括质心点和面积；跟踪检测目标，当跟踪目标与检测目标的质心点差值不超过质心阈值Tcenter，且面积差值不超过面积阈值Tarea，则判定追踪成功，否则判定追踪失败；若追踪成功，判定检测目标的面积是否大于最大面积阈值Area1，若大于最大面积阈值Area1，则检测下一帧图像，否则，判定为一次入侵；若入侵次数大于设定阈值T，则判定检测目标发生入侵。能进行更加精确的检测跟踪，增加对摄像头抖动和鬼影处理，可以有效检测非机动车入侵，提高算法的鲁棒性，降低误检率。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.037 seconds)
