-
公开(公告)号：CN115649279B
公开(公告)日：2024-09-17
申请号：CN202211205919.5
申请日：2022-09-30
IPC: B62D6/00 , G05B13/04 , B62D113/00 , B62D137/00
Abstract: 基于状态观测的四轮独立转向电动汽车转向控制方法涉及汽车四轮独立转向系统控制领域，该方法利用八自由度四输入车辆动力学理想模型确定四个车轮理想的横摆角速度，利用八自由度四输入车辆动力学模型确定四个车轮实时的横摆角速度和质心侧偏角，利用基于多智能体的理想状态分布式估计模块确定四个车轮理想的横摆角速度和质心侧偏角估计值，利用基于状态观测器的四轮独立转向汽车转向分布式控制模块求解出汽车的四个车轮转角，利用CarSim汽车模型实现汽车的横摆稳定性控制，并输出汽车的实时运动状态信息。本发明有效权衡了计算效率和车辆稳定性能，提高了部分理想状态未知情况下四轮独立转向车辆转向控制的稳定性。
-
公开(公告)号：CN117698838A
公开(公告)日：2024-03-15
申请号：CN202311679022.0
申请日：2023-12-08
IPC: B62D6/00 , B62D5/04 , G05B13/04 , B62D113/00 , B62D101/00
Abstract: 四轮线控转向系统的分布式主动容错控制方法涉及汽车四轮线控转向系统控制领域，其通过参考模型确定四个车轮理想的汽车横摆角速度和质心侧偏角；通过四轮横摆角速度和质心侧偏角计算模块确定四个车轮实时的横摆角速度和质心侧偏角；通过四个转向智能体信息交换拓扑结构模块确定四个车轮的加权邻接矩阵、度矩阵和拉普拉斯矩阵；通过四轮线控转向系统的分布式主动容错控制模块求解出执行器故障已知/未知情况下的汽车四个车轮转角；通过CarSim汽车模型实现汽车的横摆稳定性控制，并输出汽车的实时运动状态信息。本发明有效权衡了计算效率和车辆稳定性能，提高了执行器增益变化故障、恒偏差故障和卡死故障情况下四轮线控转向系统的安全性和稳定性。
-
公开(公告)号：CN118928401A
公开(公告)日：2024-11-12
申请号：CN202410971315.4
申请日：2024-07-19
Abstract: 基于Q学习遗传算法的智能电动汽车路径跟踪控制方法涉及智能电动汽车路径跟踪控制领域，其首先根据车辆的动力学运动机理建立路径跟踪模型；然后考虑四个车轮的滑转状态、轨迹跟踪误差及横摆稳定性，重新定义路径跟踪系统的输出，通过输入输出线性化将路径跟踪系统分解输入输出子系统和零动态子系统；对输入输出子系统提出自适应广义滑模控制方法，使输入输出子系统的状态快速跟随其理想值；通过稳定性分析获取零动态子系统稳定的条件，并在此基础上提出基于Q学习遗传算法优化的控制器参数设计方法，以实现智能电动汽车路径跟踪控制系统在平衡点附近的渐近稳定。本发明有效提高了智能电动汽车的路径跟踪能力，保证其在极限工况下的动力学稳定性。
-
公开(公告)号：CN115649279A
公开(公告)日：2023-01-31
申请号：CN202211205919.5
申请日：2022-09-30
IPC: B62D6/00 , G05B13/04 , B62D113/00 , B62D137/00
Abstract: 基于状态观测的四轮独立转向电动汽车转向控制方法涉及汽车四轮独立转向系统控制领域，该方法利用八自由度四输入车辆动力学理想模型确定四个车轮理想的横摆角速度，利用八自由度四输入车辆动力学模型确定四个车轮实时的横摆角速度和质心侧偏角，利用基于多智能体的理想状态分布式估计模块确定四个车轮理想的横摆角速度和质心侧偏角估计值，利用基于状态观测器的四轮独立转向汽车转向分布式控制模块求解出汽车的四个车轮转角，利用CarSim汽车模型实现汽车的横摆稳定性控制，并输出汽车的实时运动状态信息。本发明有效权衡了计算效率和车辆稳定性能，提高了部分理想状态未知情况下四轮独立转向车辆转向控制的稳定性。
-
公开(公告)号：CN119329519A
公开(公告)日：2025-01-21
申请号：CN202411768854.4
申请日：2024-12-04
Applicant: 长春工业大学
Abstract: 一种基于SAC的汽车自适应巡航控制优化方法，属于自动驾驶领域，其特征在于，该方法包括以下模块：驾驶环境、状态信息处理模块、SAC强化学习模块、动态奖励函数模块、经验分类模块和经验采样模块。首先，从驾驶环境中获取两个维度的融合信息，得到当前状态，然后，SAC强化学习模块基于当前状态决策控制动作并应用于驾驶环境，更新环境并获取下一时刻的状态。其中，动态奖励函数模块根据动作效果和重要性差异计算奖励值；经验分类模块根据驾驶环境对经验样本进行分区域存储；经验采样模块采用固定经验采样和局部优先经验回放方法，对样本进行采样，用于训练SAC强化学习模块，并决策出最优控制动作，实现自适应巡航控制。
-
Patent Agency Ranking
公开(公告)号：CN118889421A
公开(公告)日：2024-11-01
申请号：CN202410911830.3
申请日：2024-07-09
Applicant: 长春工业大学
IPC: H02J3/01 , G06F17/14 , G06F17/16 , H02J3/24 , H02M1/12 , H02M7/5395 , H02M7/5387
Abstract: 本发明涉及一种电网谐波条件下并网逆变器选择性谐波消除控制方法，该方法如下：利用跨接在电网上的霍尔传感器采集包含谐波的电网电压Us(t)；对电网电压Us(t)进行离散傅里叶变换得到电网电压频域信息；根据电网电压频域信息在线生成SHEPWM谐波补偿模型；求解SHEPWM谐波补偿模型得到开关角度；控制系统将开关角度作为SHEPWM控制信号产生四路控制脉冲，通过隔离驱动模块控制逆变器产生符合电网要求的并网电流。本发明可以有效的补偿电网背景谐波对并网电流的影响，降低电网电压扰动对并网输出电流的影响，使并网逆变器性能得到了显著提升。
-
公开(公告)号：CN118842106A
公开(公告)日：2024-10-25
申请号：CN202410932978.5
申请日：2024-07-12
Applicant: 长春工业大学
Abstract: 本发明涉及一种具有有源滤波功能的并网逆变器SHEPWM控制方法，该方法如下：利用霍尔电流传感器采集非线性负载电流，控制模块对其进行离散傅里叶变换得到非线性负载无功电流和非线性负载高次谐波电流，结合并网逆变器理想并网电流获得逆变器交流侧期望电压傅里叶系数并据此在线生成SHEPWM并网补偿模型；求解SHEPWM并网补偿模型得到开关角度并将其作为SHEPWM控制信号产生四路控制脉冲，通过隔离驱动模块控制逆变器输出期望频域信息的SHEPWM脉冲电压，对非线性负载电流中高次谐波分量和无功分量进行补偿。本发明同时具有并网逆变和有源滤波功能，不仅可以改善电能质量，还可提高设备利用率。
-
公开(公告)号：CN113872477B
公开(公告)日：2023-10-31
申请号：CN202111244687.X
申请日：2021-10-26
Applicant: 长春工业大学
Abstract: 本发明属于电动汽车永磁同步电机控制技术领域，公开了一种低速大转矩直驱电机抗扰动复合控制器设计方法。针对电动汽车永磁同步电机低速大扭矩运行时，逆变器会输出不连续电流，导致转矩脉动问题。提出基于非奇异终端滑模负载观测器的低速大转矩永磁同步电机控制方法。首先，采用分段速率调节的滑模趋近律提出永磁同步电机转速滑模控制。其次，针对负载扰动未知情况，提出非奇异终端滑模负载观测器，并在转速滑模控制基础上建立抗干扰复合控制器。最后，通过仿真实验验证，本文所提方法可实现复杂干扰下输出转矩及转速的平稳性。
-
公开(公告)号：CN108657913B
公开(公告)日：2023-08-15
申请号：CN201810794670.3
申请日：2018-07-19
Applicant: 长春工业大学
Abstract: 本发明涉及一种小型货物载运装置，主要包括总体框架、运送机构、传动机构；通过电机、蜗轮蜗杆减速器、普通链轮及单向链轮、链，实现动力传递，拉动运送箱上升，本发明基于自行车飞轮的原理，采用了单向链轮，电机正转时带动单向链轮正向转动时，拉动缆绳，实现运送箱的上升，而运送箱下降时，电机反转但普通链轮及单向链轮、链不传递动力，仅用于限制速度，依靠运送箱自身重力拉动绕线轴转动，此时缆绳从绕线轴松解下来，实现运送箱的下降；通过加入的排线轮的设计，使缆绳能够有序的盘上在绕线轴上，避免发生缆绳缠绕，卡顿的现象；本产品具有使用方便、节省空间、绿色环保、经济价值高等诸多特点。
-
公开(公告)号：CN114548204A
公开(公告)日：2022-05-27
申请号：CN202111499078.9
申请日：2021-12-09
Applicant: 国网吉林省电力有限公司白山供电公司 , 长春工业大学
Abstract: 本文公开了一种基于KPCA‑SOM网络的TEM地下电缆探测方法。首先通过分析异常体样本剖面曲线的属性特征，提取特征属性参数，然后利用KPCA算法约简特征参数并通过SOM神经网络对约简后的特征属性参数进行处理，输出异常体电导率和深度信息。经样本数据训练后得到KPCA‑SOM网络模型。最后提取待检测区域内剖面曲线的特征属性参数数据输入到KPCA‑SOM网络模型中，便可输出待检测区域内异常体电导率‑深度数据，从而确定地下电缆位置信息。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.04 seconds)
