-
公开(公告)号：CN116552260A
公开(公告)日：2023-08-08
申请号：CN202310597668.8
申请日：2023-05-25
Applicant: 吉林大学
Abstract: 本发明适用于汽车制动技术领域，提供了一种融合经济性与舒适性的电动汽车制动控制方法，该方法包括以下步骤：步骤一：纵‑垂动力学建模；步骤二：轮胎模型建模；步骤三：舒适性因子：结合纵‑垂动力学模型和轮胎模型，从纵向和垂向两个角度分析影响舒适性的因素，提取重要的影响因子，并将纵向与垂向的影响因子进行交互，从纵‑垂耦合的角度分析影响舒适性的因素；步骤四：经济性因子：保证在电机功率与力矩允许的范围内及相关车辆部件约束的前提下，使车辆最大程度采用再生制动，并尽量减少轮胎磨损；步骤五：通过舒适性因子和经济性因子，保证电动汽车制动时的舒适性和经济性，本发明既保证了车辆的经济性，又保证了车辆的制动安全性。
-
公开(公告)号：CN116486359A
公开(公告)日：2023-07-25
申请号：CN202310463049.X
申请日：2023-04-26
Applicant: 吉林大学
IPC: G06V20/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/70 , G06N3/0464 , G01S17/931 , G01S17/86 , G01S17/95 , G01S17/04 , G01W1/00 , G01V8/10
Abstract: 本发明涉及智能车感知以及多模态目标检测领域，具体是一种面向全天候的智能车环境感知网络自适应选择方法，包括以下步骤：（1）数据采集；（2）数据预处理；（3）天气识别；（4）感知网络选择；（5）检测结果输出，本发明面向全天候的智能车环境感知网络自适应选择方法，天气分类网络基于环境粒子散射和光照强度对传感器进行多模态融合，能够准确地判断出天气状况，从而根据当前环境条件实现最优目标检测算法选择，提高了目标检测的准确率和鲁棒性，同时本发明能及时感知环境变化，以确保智能车在全天候下能准确、实时和稳定地进行目标检测。
-
公开(公告)号：CN115352449A
公开(公告)日：2022-11-18
申请号：CN202210969316.6
申请日：2022-08-12
Applicant: 吉林大学
Abstract: 本发明适用于智能汽车驾驶行为决策技术领域，提供了一种融合驾驶风格博弈的智能车交叉口直行速度决策方法，采集周围车辆的行驶状态信息并识别车辆自身及周围车辆的驾驶风格；建立融合驾驶风格的路口直行车辆非合作动态博弈收益矩阵；对动态博弈中每轮阶段博弈的参与者的决策先后顺序进行调整；通过逆向归纳法决策出本轮各车应采取的最优加速度策略；更新车辆状态及环境信息并开始下轮阶段博弈，重复执行上述所有步骤，直到各智能车安全通过交叉口而退出博弈。该方法在保证驾驶安全性的前提下有效地消除了交叉口通行冲突并明确路权，使智能车既安全高效地通过路口，也提高了智能车在路口决策的流畅度和拟人程度，更加符合人类驾驶员的操作习惯。
-
公开(公告)号：CN116880211A
公开(公告)日：2023-10-13
申请号：CN202311028564.1
申请日：2023-08-16
Applicant: 吉林大学
IPC: G05B13/04
Abstract: 本发明适用于自动驾驶技术领域，提供了一种考虑规划参数自适应的车辆行驶轨迹快速规划方法，包括以下步骤：设置最优控制终端约束及目标函数，建立基于最优控制的轨迹规划器，利用高斯伪谱法进行最优控制问题离散求解；离线仿真获得大量规划轨迹数据，利用神经网络构建轨迹规划器的拟合模型；结合周车轨迹预测以及碰撞检测算法剔除可能发生碰撞的危险轨迹；基于多目标优选的轨迹评价函数进行评估，得到最优规划轨迹。本发明实现了多种驾驶任务规划器的统一形式设计，以及轨迹规划器的高精度求解；将一部分计算负担由在线转移为离线，降低实时计算负担，保证了规划算法的快速性；能够根据驾驶环境自适应调整轨迹规划参数，规划算法适应性强。
-
公开(公告)号：CN115308732A
公开(公告)日：2022-11-08
申请号：CN202210962797.8
申请日：2022-08-11
Applicant: 吉林大学
Abstract: 本发明适用于车辆传感器和图像识别领域，提供了一种融合毫米波雷达与深度视觉的多目标检测与跟踪方法，包括以下步骤：步骤一、目标检测；步骤二、目标追踪；步骤三、速度估计；步骤四、雷达数据坐标变换；步骤五、雷达数据处理；步骤六、融合和区分。本发明针对深度视觉采用独立的处理算法，在目标识别算法（YOLOV5s）基础上增加追踪算法，能够通过摄像头采集到的信息图像对目标进行快速的识别和追踪，能够起到模拟人的双眼做到可视化识别，同时也避免了因外界环境干扰因素降低系统的鲁棒性和安全性；毫米波雷达使用独立的算法对目标进行检测识别和追踪并对结果融合；算法的快速性，能够满足汽车在高速行驶下的目标识别。
-
Patent Agency Ranking
公开(公告)号：CN119389230A
公开(公告)日：2025-02-07
申请号：CN202510013470.X
申请日：2025-01-06
Applicant: 吉林大学
Abstract: 本发明公开了一种考虑轮胎垂向载荷的车辆模型精细化建模与轨迹跟踪方法，在车辆行驶过程中，首先通过考虑车辆行驶过程中的轮胎动态垂向载荷变化，通过轮胎动载荷计算，动态选取合适的轮胎模型，从而建立精准的车辆动力学模型，进而设计考虑垂向载荷变化的车辆运动控制器，通过车辆运动控制器，结合车辆实时状态信息获得车辆的前轮转角及四轮转矩，实现对分布式电动汽车的精准轨迹跟踪。本发明在确保车辆在多种行驶工况下，通过考虑实时信息及载荷的变化，实现车辆的精确建模和精准轨迹跟踪，提高车辆的安全性与自适应性。
-
公开(公告)号：CN118545027A
公开(公告)日：2024-08-27
申请号：CN202410684072.6
申请日：2024-05-30
Applicant: 吉林大学
Abstract: 本发明适用于电动汽车控制技术领域，提供了基于三维相空间考虑驾驶风格的车辆侧倾稳定性控制方法，包括以下步骤：车辆动力学建模；轮胎力学建模；驾驶风格识别；划分稳定区域；设计稳定性评价指标；基于模型预测控制的控制器设计，最后得到控制量，即附加前轮转角和四轮附加转矩。本发明通过引入侧倾角，在传统的二维车辆稳定性分析基础上扩展到三维，提高了评估的准确性和鲁棒性；提出了在三维空间内确定六面体稳定区域的方法，能够更全面地捕捉车辆状态；利用人工神经网络分析驾驶风格，并根据不同风格选择稳定区域；能够在动态协调多项安全性能要求的同时，提高在复杂工况下车辆行驶的主动安全性和整体稳定性。
-
公开(公告)号：CN116872975A
公开(公告)日：2023-10-13
申请号：CN202311030356.5
申请日：2023-08-16
Applicant: 吉林大学
Abstract: 本发明适用于自动驾驶技术领域，提供了一种基于可靠行为集的智能车辆驾驶行为决策方法，包括以下步骤：根据智能车辆采集的周围环境信息，基于城市交通法规约束筛选，并结合自身宏观路径要求，设置交通法规筛选门槛和宏观路径筛选门槛，创建可靠驾驶行为集；考虑城市交通场景及驾驶心理对决策结果的影响，建立四项驾驶行为评价指标，计算各行为的效用值；建立最优行为综合决策模型，结合各驾驶行为综合评价以及决策收益门槛，初步决策得到拟最优驾驶行为；对于所选出的同等效用值的行为，根据车道优选原则，最终决策出车辆的最优驾驶行为。本发明能够使智能车辆在城市道路下既安全高效地通行，也更加符合人类驾驶员的操作习惯。
-
公开(公告)号：CN114153213A
公开(公告)日：2022-03-08
申请号：CN202111460431.2
申请日：2021-12-01
Applicant: 吉林大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于路径规划的深度强化学习智能车行为决策方法，属于智能车自动驾驶技术领域，所述一种基于路径规划的深度强化学习智能车行为决策方法包括将任务建模为马尔科夫决策过程，搭建深度强化学习算法，智能体输入设计，智能体输出设计，搭建训练网络结构，对任务环境进行路径规划，改进奖励函数，以及训练和测试智能体模型，具有处理复杂决策、简化仿真场景到实际应用的过程、解决了训练速度慢和难以收敛的问题以及提高智能体模型的实际泛化能力的优点。
-
公开(公告)号：CN117058508A
公开(公告)日：2023-11-14
申请号：CN202311043593.5
申请日：2023-08-18
Applicant: 吉林大学
IPC: G06V10/80 , G06V10/82 , G06V10/75 , G06V10/762
Abstract: 本发明适用于智能驾驶技术领域，提供了一种基于三维信息融合相机和毫米波雷达的目标检测方法，包括以下步骤：数据采集和预处理；数据处理和车辆检测；统一坐标系；构建注意力机制融合神经网络模型AFnet。本发明在决策级融合框架下，通过引入基于深度学习的距离估计方法，扩展了融合特征信息，实现相机和毫米波雷达在三维空间信息上的融合；尤其是在复杂的工况下，能够持续为下层提供检测物体的三维信息，目标检测算法的鲁棒性更强，保证驾驶安全。提出的AFnet模型实现对各传感器的检测目标在三维空间层面进行融合匹配，克服传统约束条件的局限性，提高融合匹配以及目标检测算法的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
