-
公开(公告)号：CN120003464A
公开(公告)日：2025-05-16
申请号：CN202510357051.8
申请日：2025-03-25
Applicant: 重庆大学
IPC: B60W30/045 , B60W50/00 , B60W10/08 , B60W10/18
Abstract: 本发明涉及一种基于可变转向特性的分布式驱动车辆底盘协同控制方法，属于车辆动力学控制技术领域，包括以下步骤：S1：基于目标转向特性和二自由度两轮车辆横向动力学模型生成参考车辆状态；S2：基于MPC控制生成AFS前轮转向角和DYC附加横摆力矩。S3：基于轮胎利用率最小化和目标附加横摆力矩分配车轮驱动或制动转矩。本发明可以在不改变硬件特性的前提下调整被控车辆的转向特性；本发明有利于设置约束、提高控制精度；本发明通过最小化轮胎利用率而提高车辆横向稳定性。
-
公开(公告)号：CN119942790A
公开(公告)日：2025-05-06
申请号：CN202510100416.9
申请日：2025-01-22
Applicant: 重庆大学
IPC: G08G1/01 , G08G1/0968 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种基于交通异构图的自动驾驶预测‑规划集成方法，属于自动驾驶汽车技术领域。该方法包括：S1：建模智能体动态特征以及交通参与者之间的交互特征，并设计基于图卷积网络的车道图节点特征表示；S2：采用编码‑解码架构，通过图注意力机制捕捉车道节点与智能体之间的交互特征，进行特征融合后构建基于交通异构图的多智能体轨迹预测模型；S3：基于轨迹预测模型输出的周围车辆未来位置信息，设计目标函数及多种约束来进行自车动作最优化求解。与传统规划方法相比，本发明预测性能、安全性以及行驶效率更加优异。
-
公开(公告)号：CN119940112A
公开(公告)日：2025-05-06
申请号：CN202510015384.2
申请日：2025-01-06
Applicant: 重庆大学
IPC: G06F30/27 , G01R31/367 , G01R31/378 , G06F17/11 , G06F17/16 , G06N3/092 , G06N3/045 , G06F30/36 , G06F111/04
Abstract: 本发明涉及一种深度强化学习引导的强适应性锂离子电池状态估计方法，属于电池状态估计技术领域，包括以下步骤：S1：选择二阶RC等效电路模型作为电池模型，考虑增广模型偏差，搭建PID控制器，实时估计电池荷电状态SOC；S2：构建双延迟深度确定性策略梯度深度强化学习算法和具有自适应约束的动态复合奖励函数；S3：将PID控制器与双延迟深度确定性策略梯度深度强化学习算法相结合，并进行模型训练，然后根据学习确定的最优策略自动调整PID控制器以匹配实时工况。该状态估计方法提高了估计精度、鲁棒性及自适应性。
-
公开(公告)号：CN119861304A
公开(公告)日：2025-04-22
申请号：CN202411965897.1
申请日：2024-12-30
Applicant: 重庆大学 , 中国汽车工程研究院股份有限公司 , 中检汽车测评技术(深圳)有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G06F18/2321 , G06F18/2337 , G06F18/23213 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及一种面向实车工况的电池故障辨识方法，属于电池技术领域。该方法包括以下步骤：S1：收集电动汽车的电池运行数据，包含电池包中各个单体的运行数据，建立电池运行数据库；S2：根据所收集到的电池数据，利用相关性系数法筛选出和单体电压具有高相关性的特征；S3：建立准确的电压估计模型；S4：将电动汽车实时的动力电池运行数据输入S3中训练好的模型中，基于实时电压和模型估计电压的残差，判断是否有故障出现；S5：当检测到故障产生，设计滑动窗口提取故障的敏感特征，构建故障特征二维图；S6：利用无监督聚类算法辨识检测到的故障是电池故障还是传感器读数异常。本发明可以大幅降低误报和错报的风险。
-
公开(公告)号：CN118953323B
公开(公告)日：2025-04-04
申请号：CN202411038912.8
申请日：2024-07-31
Applicant: 重庆大学
Abstract: 本发明涉及一种信号灯场景下的智能网联新能源汽车经济性驾驶方法，属于新能源汽车领域，其包括以下步骤：构建基于时间图卷积网络的交通流预测模型，通过获取的历史交通流速度信息预测未来时刻交通流速度vpre(t)；获取信号灯相位配时信息，参考预测的未来时刻交通流速度vpre(t)，在云端规划全局引导车速vg(t)；构建基于模型预测控制的经济性驾驶巡航控制器，参考全局引导车速vg(t)，实时跟踪前车车速，求解上层目标车速vupper(t)与车辆的总需求功率Pd(t)；开发下层能量管理策略，构建车辆动力总成模型，使用等效燃油最小消耗策略计算最佳功率分配。本发明在巡航控制优化问题中，加入全局车速引导与信号灯约束，有效结合全局速度规划与跟车巡航控制，能够显著提升车辆的经济性与舒适性。
-
Patent Agency Ranking
公开(公告)号：CN114707359B
公开(公告)日：2025-03-21
申请号：CN202210487160.8
申请日：2022-05-06
Applicant: 重庆大学
IPC: G06F30/20 , G06N3/092 , G06F111/08
Abstract: 本发明涉及一种基于值分布强化学习的自动驾驶汽车决策规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建考虑不确定性的无信号灯十字路口场景；S2：构建全参数化分位数函数模型，作为自动驾驶汽车控制模型；S3：基于全参数化分位数函数模型中学习的状态‑动作回报分布信息，引入条件风险价值，生成具有风险意识的驾驶行为。本发明利用值分布强化学习提高了自动驾驶汽车在具有不确定性的环境下决策规划策略的安全性与稳定性。
-
公开(公告)号：CN118850033B
公开(公告)日：2025-03-04
申请号：CN202410869835.4
申请日：2024-07-01
Applicant: 重庆大学
Abstract: 本发明涉及一种基于深度强化学习的复杂交通场景混合动力汽车经济性驾驶策略，属于新能源汽车领域。该方法包括：构建具有交互性的多车道多交通信号灯训练场景：使用车辆运动学模型描述训练场景中车辆的纵向运动，将车辆的换道过程简化成一个瞬态过程，并利用基于规则的决策模型控制其他车辆，使环境具有交互性；构建基于最大熵深度强化学习的决策模型，包括状态空间、动作空间、奖励函数、策略模型、评价模型与经验回放池；构建目标车辆安全约束，包括纵向加速度安全约束以及横向换道决策安全约束，用于避免车辆发生碰撞和违反交通规则等危险行为；训练基于最大熵深度强化学习的决策模型。本发明利用深度强化学习提高了自动驾驶汽车的经济性。
-
公开(公告)号：CN118444659B
公开(公告)日：2025-02-11
申请号：CN202410528558.0
申请日：2024-04-29
Applicant: 重庆大学
IPC: G05B23/02
Abstract: 本发明涉及一种高维空间中强化学习型控制策略的安全评估与应用方法，隶属于新能源汽车与人工智能的交叉领域。该方法包括：S1：定义归一化状态空间、动作空间与奖励函数，引导智能体掌握当前训练环境下的近优或者最优控制策略，并保存实时生成的训练样本；S2：搭建现阶段与神经网络型近优或最优控制策略模型相对应且保持稳定控制可靠性的高维已知状态空间；S3：以高维历史状态空间为基准并且以单簇的聚类结果为中心，提出判断窗以及隶属度概念，明确在何种状态张量的数据驱动下具有可靠性且满足最优控制效果；S4：强化采集边界与陌生区域的状态转移样本，构建面向真实且陌生的环境样本集，用于提升深度强化学习型策略的适用性与安全性。
-
公开(公告)号：CN119227522A
公开(公告)日：2024-12-31
申请号：CN202411262793.4
申请日：2024-09-10
Applicant: 重庆大学
IPC: G06F30/27 , B60L53/00 , G06F30/15 , G06F111/06 , G06F119/08 , G06F119/06 , G06F119/12
Abstract: 本发明涉及一种计及运营安全和经济性的电动飞行汽车电池充电优化方法，属于电池技术领域。该方法包括：建立动力电池的物理‑数据融合驱动的分布式电热耦合模型和半经验性能衰减模型，并将两者耦合以构建面向全生命周期仿真的电池快速数字孪生模型；考虑电池衰减等效成本和充电电价成本，建立电池充电经济性模型；基于电池快速数字孪生模型和充电经济性模型，考虑多优化子目标以构建多目标充电优化问题并利用先进优化算法实现最优求解；基于帕累托前沿理论分析最优充电方案的影响因素，确定面向城市空中交通运行场景的多阶段恒流最优充电方案。本发明能够确保电动飞行汽车电池系统安全高效地补能并提升整车运营经济性。
-
公开(公告)号：CN118953323A
公开(公告)日：2024-11-15
申请号：CN202411038912.8
申请日：2024-07-31
Applicant: 重庆大学
Abstract: 本发明涉及一种信号灯场景下的智能网联新能源汽车经济性驾驶方法，属于新能源汽车领域，其包括以下步骤：构建基于时间图卷积网络的交通流预测模型，通过获取的历史交通流速度信息预测未来时刻交通流速度vpre(t)；获取信号灯相位配时信息，参考预测的未来时刻交通流速度vpre(t)，在云端规划全局引导车速vg(t)；构建基于模型预测控制的经济性驾驶巡航控制器，参考全局引导车速vg(t)，实时跟踪前车车速，求解上层目标车速vupper(t)与车辆的总需求功率Pd(t)；开发下层能量管理策略，构建车辆动力总成模型，使用等效燃油最小消耗策略计算最佳功率分配。本发明在巡航控制优化问题中，加入全局车速引导与信号灯约束，有效结合全局速度规划与跟车巡航控制，能够显著提升车辆的经济性与舒适性。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.045 seconds)
