-
公开(公告)号：CN118977737A
公开(公告)日：2024-11-19
申请号：CN202411473334.0
申请日：2024-10-22
Applicant: 吉林大学
Abstract: 本发明公开自动驾驶技术领域的一种主动减缓汽车乘员晕动症的自动驾驶轨迹规划方法,包括对参考路径作平滑处理，生成曲率大小和振荡频率均更小的参考路径、对轨迹规划解耦为基于螺旋曲线的路径规划和基于贝塞尔曲线的速度规划，并将路径规划结果和对应的速度规划结果进行两两组合得到轨迹簇、基于六自由度主观垂直冲突模型建立无人替传感器条件下乘员晕动症发生率计算模型、在无人替传感器条件下乘员晕动症发生率计算模型中，计算得到乘员运动度成本评价函数以及对得到的轨迹簇中的每条轨迹，进行成本评价，评估轨迹效率、舒适性、驾驶行为的合理性，综合得到成本最小的轨迹即为最优轨迹，本发明可以提供更加舒适的乘坐体验。
-
公开(公告)号：CN118478638A
公开(公告)日：2024-08-13
申请号：CN202410644791.5
申请日：2024-05-23
Applicant: 吉林大学
IPC: B60G17/0165 , B60G17/018 , B60G17/015 , B60R16/037
Abstract: 本发明公开了汽车的智能控制技术领域的一种基于路面信息考虑乘员晕动的车辆主动悬架控制方法，包括以下步骤：步骤一，数据采集：采集模块通过采集设备对路面情况进行图像采集；步骤二，数据分析处理：处理模块对采集模块采集到的图像信息进行数字化处理，通过公式计算出障碍物的高度；步骤三，数据判断：判断模块将障碍物的高度与平坦路面的数字信息进行比对和评级判断；步骤四，启用缓冲：实施模块会根据判断模块对当前路面的评级采用缓冲组件不同程度的缓冲以减少汽车受到的颠簸，进而减少乘客受到的颠簸。本方法简单易操作，通过逐级制动的方法，减少乘客在汽车行驶过程中受到的颠簸，进而减少乘客晕动症发作的可能性。
-
公开(公告)号：CN114069116B
公开(公告)日：2024-02-13
申请号：CN202111352484.2
申请日：2021-11-16
Applicant: 吉林大学
IPC: H01M50/119 , H01M50/124 , H01M50/193 , H01M50/186 , H01M50/143 , A62C3/16 , A62C37/11
Abstract: 本发明公开了一种锂离子胶囊电池阻燃封装包的封装方法，该方法包括以下步骤：步骤S1合金片制备：裁剪两块铟锡铋合金片；步骤S2；将封装材料涂抹至铟锡铋合金片的边侧部；步骤S3装料；当阻燃材料为固体时，铟锡铋合金片边侧部预留边框并将阻燃材料置于边框内部；当阻燃材料为液体时，两片铟锡铋合金片合盖且其中三边加热软化后冷却形成预制封装袋；步骤S4：将两个铟锡铋合金片未密封的周边涂抹聚氯乙烯和聚乙烯，再将聚氯乙烯和聚乙烯加热软化，最后自然冷却，形成封装胶囊。本封装包实现了对电池热管理的分级调控，有效地按照不同的热管理情况对电池进行管理，并且针对电池的热失控
-
公开(公告)号：CN113741201B
公开(公告)日：2023-12-05
申请号：CN202111208426.2
申请日：2021-10-18
Applicant: 吉林大学
IPC: G05B13/04
Abstract: 本发明属于乘车晕动症减缓技术领域，尤其为一种应用于底盘控制层的主动减缓晕动症智能控制方法，包括以下步骤：S1、采集车载传感器和乘员头部传感器的传感数据，在非线性三自由度(横向、纵向、横摆)车辆侧纵向动力学模型上，联合人体前庭运动模型，建立前庭随动‑车体平动动力学模型；S2、在模型预测控制的目标函数上加入产生晕动症的瞬时干扰hk，减少晕动症指数MSI，确保生成的路径尽可能平滑。本发明通过建立主动减缓晕动症的智能驾驶汽车的控制优化算法，在实际应用于智能驾驶汽车在底盘控制层主动减缓晕动症的方便具有切实意义，能够提高智能驾驶汽车的乘坐体验感与舒适性，减少乘员发生晕动症的可能。
-
公开(公告)号：CN113593273B
公开(公告)日：2022-07-01
申请号：CN202110830282.8
申请日：2021-07-22
Applicant: 吉林大学
Abstract: 本发明属于道路交通技术领域，具体为一种基于V2I通信的无信号控制道路交叉口碰撞预警方法，包括如下阶段：基于V2I通信的道路交叉口路段信息匹配与冲突区域匹配，用于建立道路交叉口周边车辆定位信息与路段信息之间的关联，进而筛选存在碰撞可能性的车辆与其对应的冲突区域；基于V2I通信的道路交叉口碰撞检测与预警，用于实时检测前车离开与后车到达冲突区域的时间差是否满足动态阈值约束，以判断是否存在碰撞风险并发布碰撞预警信息。本发明提出的无信号控制道路交叉口碰撞预警方法，能够通过车辆网联信息弥补自车感知系统固有的局限性，通过路段信息与冲突区域预先匹配显著降低冲提高冲突检测效率。
-
Patent Agency Ranking
公开(公告)号：CN114357623A
公开(公告)日：2022-04-15
申请号：CN202210015519.1
申请日：2022-01-07
Applicant: 吉林大学
IPC: G06F30/15 , G06F30/27 , G06F119/14
Abstract: 本发明属于车辆状态预测技术领域，尤其为一种融合规范模型的车辆状态估计序列神经网络，方法包括：在汽车的行驶过程中，采集传感器的信息，包括驾驶员的输入指令、ESP采集的轮速、加速度、横摆角速度等信息；将其输入序列神经网络，得出车辆状态的预测量；将传感器的信息与上一时刻估计得出的车辆状态输入基于车辆动力学的规范模型中，得出对车辆状态的限制值；对神经网络的输出进行规范检查。本发明在传统序列神经网络的反馈通道中增加了基于车辆动力学搭建的规范模型，用该模型对不合理的输出值进行约束，然后再作为序列神经网络的反馈；本发明具有神经网络预测车辆状态值更精确的特性，同时也确保其输出永远处于合理的范围内。
-
公开(公告)号：CN118238848B
公开(公告)日：2024-09-17
申请号：CN202410620379.X
申请日：2024-05-20
Applicant: 吉林大学
IPC: B60W60/00 , B60W50/00 , G06N3/0455 , G06N3/096 , G06N5/045 , G06V20/56 , G06V10/42 , G06V10/44 , G06F40/284
Abstract: 本发明涉及自动驾驶技术领域，具体公开了一种基于视觉语言大模型的自动驾驶决策规划方法，所述方法包括建立以大型语言模型为基础模型的视觉语言大模型；构建多模态指令遵循数据集，将多模态指令遵循数据集中的多模态数据进行编码与对齐；对大型语言模型进行轻量微调，得到微调后的大型语言模型；基于微调后的大型语言模型获取预测标记并对预测标记进行解码；将视觉语言大模型在多模态指令遵循数据集上进行微调，构建的多模态指令遵循数据集提高决策过程的拟人思维能力，提出的新型视觉语言模型具备高鲁棒性及泛化性，能够处理多种复杂的交通驾驶场景，尤其是通常对于其他模型具有挑战性的长尾驾驶场景。
-
公开(公告)号：CN117176421A
公开(公告)日：2023-12-05
申请号：CN202311133276.2
申请日：2023-09-05
Applicant: 吉林大学
Abstract: 本发明适用于智能网联汽车技术领域，提供了基于时序内容注意力与长短时记忆网络的CAN‑FD异常检测方法，包括网络异常数据检测模型和网络异常分类检测模型，网络异常数据检测模型用于根据正常报文数据与异常报文数据特征，实时检测CAN‑FD网络数据是否出现异常报文；网络异常分类检测模型用于根据常见种类的车载网络攻击特征，实时检测当前异常可能遭受到的攻击类型。该方法创新设计了结合时序模式注意力与长短时记忆网络的CAN‑FD网络异常数据检测模型和网络异常分类检测模型，可对CAN‑FD数据异常情况进行实时检测，并可将异常进行分类检测以识别出异常数据所属的种类，以便采取相对应的攻击避免措施。该方法在实车与开源数据集上的准确率均达到了99％。
-
公开(公告)号：CN115457782B
公开(公告)日：2023-11-03
申请号：CN202211135878.7
申请日：2022-09-19
Applicant: 吉林大学
Abstract: 本发明属于自动驾驶技术领域，具体为基于深度强化学习的自动驾驶车辆交叉口无冲突合作方法，包括步骤1：交叉口问题马尔可夫建模，综合考虑安全约束马尔可夫决策(constrained Markov decision process,CMDP)与马尔可夫博弈(Markov Game,MG)理论，将道路交叉口环境转化为为符合强化学习算法要求的模型；步骤2：单策略网络与双价值网络更新过程设计，设计单策略‑双评论家(Actor‑Critic1‑Critic2)网络架构；步骤3：马尔可夫形式数据搜集；步骤4：强化学习训练，训练单策略‑双评论家(Actor‑Critic1‑Critic2)神经网络；步骤5：强化学习测试，在仿真器Carla中实际测试该强化学习算法的性能，能够针对时变的交通网络拓扑结构输出符合预期的车辆通行策略，在安全、舒适与效率方面均能够获得良好性能。
-
公开(公告)号：CN116853243A
公开(公告)日：2023-10-10
申请号：CN202311055161.6
申请日：2023-08-22
Applicant: 吉林大学
Abstract: 本发明适用于车辆辅助驾驶技术领域，提供了一种基于投影约束策略优化的车辆自适应巡航控制方法，包括以下具体步骤：步骤1、策略轨迹采样：步骤1.1、仿真环境的搭建；步骤1.2、定义状态空间与行为空间；步骤1.3、奖励函数与安全监管函数设计；步骤1.4、轨迹采样过程；步骤2、策略评估优化。该方法在低算力需求下实现车辆无碰撞自适应安全巡航，并且具有较高的舒适性和交通效率。通过强化学习的方法进行训练，并在其基础上引入安全监管信任域，防止策略在追求奖励最大化的过程中增加安全监管值。在强化学习训练的自适应巡航控制策略中首次实现了零碰撞率，并且策略在没有目标车辆干扰的情况下可以实现与预期速度较大的一致性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
