公开(公告)号：CN113650620A

公开(公告)日：2021-11-16

申请号：CN202111002707.2

申请日：2021-08-30

申请人： 东南大学

发明人： 任彦君 ,  汪䶮 ,  殷国栋 ,  柏硕 ,  张紫涵 ,  沈童 ,  王凡勋 ,  冯斌 ,  卢彦博 ,  付琪

IPC分类号： B60W40/10 ,  B60W40/13

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：CN113650619B

公开(公告)日：2022-08-12

申请号：CN202111002702.X

申请日：2021-08-30

申请人： 东南大学

发明人： 任彦君 ,  汪䶮 ,  殷国栋 ,  张紫涵 ,  卢彦博 ,  柏硕 ,  沈童 ,  王凡勋 ,  冯斌 ,  付琪

IPC分类号： B60W40/10

摘要： 本发明公开了一种四轮驱动电动汽车轮胎力软测量方法，包括以下步骤：第一步：获取汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力；第二步：将获取的汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力信息，输入给非线性车辆动力学模型，通过车辆动力学模型计算得到预估的纵向加速度和横向加速度；第三步：将将获取的汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力信息和第二步预估的纵加速度、横向加速度信息一起输入给无迹卡尔曼滤波算法，获得基于模型的汽车轮胎力估计值。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：CN113650619A

公开(公告)日：2021-11-16

申请号：CN202111002702.X

申请日：2021-08-30

申请人： 东南大学

发明人： 任彦君 ,  汪䶮 ,  殷国栋 ,  张紫涵 ,  卢彦博 ,  柏硕 ,  沈童 ,  王凡勋 ,  冯斌 ,  付琪

IPC分类号： B60W40/10

摘要： 本发明公开了一种四轮驱动电动汽车轮胎力软测量方法，包括以下步骤：第一步：获取汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力；第二步：将获取的汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力信息，输入给非线性车辆动力学模型，通过车辆动力学模型计算得到预估的纵向加速度和横向加速度；第三步：将将获取的汽车的纵向速度、质心侧偏角、纵、横向加速度、前轮转角及轮胎纵向力信息和第二步预估的纵加速度、横向加速度信息一起输入给无迹卡尔曼滤波算法，获得基于模型的汽车轮胎力估计值。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：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

发明人： 任彦君 ,  沈童 ,  殷国栋 ,  周嘉淇 ,  张滨峰 ,  向进禹 ,  张莅茳 ,  王凡勋 ,  冯斌 ,  卢彦博 ,  付琪 ,  张紫涵

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：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

发明人： 任彦君 ,  汪䶮 ,  殷国栋 ,  柏硕 ,  张紫涵 ,  沈童 ,  王凡勋 ,  冯斌 ,  卢彦博 ,  付琪

IPC分类号： B60W40/10 ,  B60W40/13

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：CN113705865A

公开(公告)日：2021-11-26

申请号：CN202110935648.8

申请日：2021-08-16

申请人： 东南大学

发明人： 任彦君 ,  沈童 ,  殷国栋 ,  周嘉淇 ,  张滨峰 ,  向进禹 ,  张莅茳 ,  王凡勋 ,  冯斌 ,  卢彦博 ,  付琪 ,  张紫涵

IPC分类号： G06Q10/04 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

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。