-
公开(公告)号：CN116030268A
公开(公告)日：2023-04-28
申请号：CN202310033005.3
申请日：2023-01-10
申请人： 合肥工业大学
IPC分类号： G06V10/44 , G06V10/764 , G06V10/80 , H04N17/00
摘要： 本发明公开了一种融合泊车场景中视觉失效模式的智能感知方法、设备及介质，该方法的步骤包括：1获取具有连续或等间隔帧的鱼眼图像数据；2建立时空融合检测模型；3建立基于AI的多场景数据的分类网络模型；4利用建立好的模型实现预测，以达到失效模式检测的目的。本发明能克服端侧有限硬件资源条件下单一传统算法鲁棒性较低和AI预测时效性较差的难题，数据在时间、空间上进行像素级、特征级和决策级的多级融合检测，从而能实现对视觉失效模式进行实时精确智能感知。
-
公开(公告)号：CN110667407B
公开(公告)日：2022-12-13
申请号：CN201911033863.8
申请日：2019-10-25
申请人： 合肥工业大学
IPC分类号： B60L50/60 , B60L50/70 , G01R31/385
摘要： 本发明公开一种燃料电池客车动力单元可靠性工况的考核方法，所述方法包括，先进行纯电动工况测试，接着进行纯燃料电池发动机工况测试，接着进行混合驱动工况测试，接着进行巡航充电工况测试，接着进行制动能量回收工况测试，最后进行怠速工况测试，纯电动工况测试时间占总工况运行时间的10％；纯燃料电池发动机工况测试时间占总工况运行时间的15％；混合驱动工况测试时间占总工况运行时间的20％；巡航充电工况测试时间占总工况运行时间的30％；制动能量回收工况测试时间占总工况运行时间的10％；怠速工况测试时间占总工况运行时间的15％。本可靠性工况考核方法能有效模拟燃料电池客车实际行驶状况，缩短试验时间，节约成本。
-
公开(公告)号：CN114463303A
公开(公告)日：2022-05-10
申请号：CN202210110972.0
申请日：2022-01-29
申请人： 合肥工业大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/33 , G06T7/73 , G06T7/80 , G06T5/00 , G06K9/62 , G06V10/75 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于双目相机和激光雷达融合的道路目标检测方法，利用左右两台相机与一台激光雷达采集前方道路目标信息；通过双目立体匹配算法获取双目视差；利用基于单目视觉的神经网络，获取图像目标类别与二维位置信息；结合双目视差与单目视觉检测信息，获取前方目标视觉三维检测结果；通过点云分割与聚类处理，获取前方目标雷达三维检测结果；对两种三维包围框的匹配代价进行匈牙利算法优化求解，基于匹配结果进行分类，并采用不同融合策略，最后输出补充修正后的道路目标信息。本发明的检测框架实现了传感器的优势互补，使用目标级匹配融合策略，输出更加准确可靠的道路目标信息。
-
公开(公告)号：CN110450771B
公开(公告)日：2021-03-09
申请号：CN201910809910.7
申请日：2019-08-29
申请人： 合肥工业大学
IPC分类号： B60W10/18 , B60W10/20 , B60W30/02 , B60W40/068 , B60W40/10 , B60W40/105 , B60W40/12 , B60W40/13 , B60W50/00
摘要： 本发明公开了一种基于深度强化学习的智能汽车稳定性控制方法，其步骤包括：1获取汽车横向控制器的决策输出和车辆结构参数、行驶参数；2定义深度强化学习方法的状态参数、动作参数和奖励函数；3构建并训练深度强化学习方法的网络模型，得到最优动作网络模型；4获取汽车当前状态参数st，从而利用所述最优动作网络模型输出当前附加横摆力矩▽Mt和修正转角▽δt；5判断汽车稳定状态；6根据汽车转向性质和方向盘转角方向确定当前修正转角▽δt的方向和当前附加横摆力矩▽Mt的动作车轮。本发明能实现稳定工况和极限工况下直接横摆力矩控制和转向控制之间的最优协调控制规律，从而实现车辆稳定性控制，保证驾乘人员的安全性和舒适性。
-
公开(公告)号：CN110525428B
公开(公告)日：2020-09-04
申请号：CN201910810427.0
申请日：2019-08-29
申请人： 合肥工业大学
摘要： 本发明公开了一种基于模糊深度强化学习的自动泊车方法，其步骤包括：1构建模糊动作网络，输出控制指令从而建立样本池集合；2搭建模糊评价网络用于训练模糊动作网络；3搭建目标模糊评价网络与目标模糊动作网络，用于训练模糊评价网络；3以样本池集合中t时刻的样本{st,at,Rt,st+1}作为输入来训练网络；4将t+1的值赋给t返回步骤3继续学习，直到t＞C为止。本发明能通过结合模糊神经网络以及深度强化学习的控制方法来完成自动泊车，从而能使得自动泊车过程更加安全可靠，降低停车事故的发生。
-
公开(公告)号：CN109193075B
公开(公告)日：2020-06-05
申请号：CN201811135929.X
申请日：2018-09-28
申请人： 合肥工业大学
IPC分类号： H01M10/613 , H01M10/625 , H01M10/633 , H01M10/635 , H01M10/6568
摘要： 本发明涉及一种基于深度强化学习的纯电动汽车冷却系统控制方法，包括：第一步获取纯电动汽车动力电池温度、动力电池工作电流，以及环境温度信息；构建DDPG算法模型，进行强化学习训练，得到一组最优电子水泵PID控制参数；通过PID输入量得出PID控制量，并基于该PID控制量控制电子水泵工作；电子水泵工作改变动力电池冷却系统中冷却液的流量，达到动力电池降温的目的，同时将动力电池信息传递给环境感知模块，返回第一步，循环整个流程。本发明将深度强化学习引入PID控制算法中，深度强化学习能较好的跟环境交互，具有自学习功能，适应不确定系统的动态特性，因此能适应纯电动汽车运行环境复杂多变的特性，在不同的实际场景下实现在线控制。
-
公开(公告)号：CN110667407A
公开(公告)日：2020-01-10
申请号：CN201911033863.8
申请日：2019-10-25
申请人： 合肥工业大学
IPC分类号： B60L50/60 , B60L50/70 , G01R31/385
摘要： 本发明公开一种燃料电池客车动力单元可靠性工况的考核方法，所述方法包括，先进行纯电动工况测试，接着进行纯燃料电池发动机工况测试，接着进行混合驱动工况测试，接着进行巡航充电工况测试，接着进行制动能量回收工况测试，最后进行怠速工况测试，纯电动工况测试时间占总工况运行时间的10％；纯燃料电池发动机工况测试时间占总工况运行时间的15％；混合驱动工况测试时间占总工况运行时间的20％；巡航充电工况测试时间占总工况运行时间的30％；制动能量回收工况测试时间占总工况运行时间的10％；怠速工况测试时间占总工况运行时间的15％。本可靠性工况考核方法能有效模拟燃料电池客车实际行驶状况，缩短试验时间，节约成本。
-
公开(公告)号：CN110450771A
公开(公告)日：2019-11-15
申请号：CN201910809910.7
申请日：2019-08-29
申请人： 合肥工业大学
IPC分类号： B60W10/18 , B60W10/20 , B60W30/02 , B60W40/068 , B60W40/10 , B60W40/105 , B60W40/12 , B60W40/13 , B60W50/00
摘要： 本发明公开了一种基于深度强化学习的智能汽车稳定性控制方法，其步骤包括：1获取汽车横向控制器的决策输出和车辆结构参数、行驶参数；2定义深度强化学习方法的状态参数、动作参数和奖励函数；3构建并训练深度强化学习方法的网络模型，得到最优动作网络模型；4获取汽车当前状态参数st，从而利用所述最优动作网络模型输出当前附加横摆力矩▽Mt和修正转角▽δt；5判断汽车稳定状态；6根据汽车转向性质和方向盘转角方向确定当前修正转角▽δt的方向和当前附加横摆力矩▽Mt的动作车轮。本发明能实现稳定工况和极限工况下直接横摆力矩控制和转向控制之间的最优协调控制规律，从而实现车辆稳定性控制，保证驾乘人员的安全性和舒适性。
-
-
公开(公告)号：CN109866752A
公开(公告)日：2019-06-11
申请号：CN201910248579.6
申请日：2019-03-29
申请人： 合肥工业大学
摘要： 本发明涉及一种基于预测控制的双模式并行智能驾驶车辆轨迹跟踪行驶系统,包括：人机交互单元；组合定位单元，实时给出自动驾驶汽车的位置和姿态信息；通讯单元；综合信息感知单元，实时给出自动驾驶汽车周围的交通信息；并行车载处理双单元；执行单元，包含汽车的线控转向和线控驱动系统，接收并行车载处理双单元输出的控制指令，最终完成稳定可靠的自动驾驶车辆轨迹跟踪。本发明还公开了基于预测控制的双模式并行智能驾驶车辆轨迹跟踪行驶系统的轨迹跟踪行驶方法。本发明采用双系统并行的控制架构，提高算法的适应性和鲁棒性,当模型辨识完毕之后，双系统同时工作，大大增强了控制系统的容错能力，提高了自动驾驶汽车的安全性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.031 秒)
