-
公开(公告)号：CN108365986B
公开(公告)日：2019-06-21
申请号：CN201810123988.9
申请日：2018-02-07
Applicant: 重庆大学
CPC classification number: Y02D70/00 , Y02T10/7005 , Y02T90/16
Abstract: 本发明涉及一种基于模型预测控制的混合动力车队协同能量管理方法，属于新能源汽车领域。该方法步骤为：S1：利用车‑车通信和车‑路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3:建立并联HEV模型和电池健康状态模型SOH；S4：确定代价函数，考虑电池老化模型；S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。本发明算法复杂度低，可行性好；在代价函数中考虑了电池老化SOH模型，为能量管理提供了新思路，利用本发明可进一步实现智能网联车的更细化的能量管理策略。
-
公开(公告)号：CN108544913A
公开(公告)日：2018-09-18
申请号：CN201810283989.X
申请日：2018-04-02
Applicant: 重庆大学
Abstract: 本发明涉及新能源汽车领域，具体公开了一种三电机传动结构纯电动汽车，包括一个前轴驱动电机和两个型号相同的后轮驱动电机，两个后轮驱动电机为左后轮驱动电机及右后轮驱动电机；其中前轴驱动电机与电动汽车前轴连接，左后轮驱动电机安装在电动汽车左后轮的轮毂上，右后轮驱动电机安装在电动汽车右后轮轮毂上；两个后轮驱动电机的尺寸、峰值转矩和功率均小于前轴驱动电机；前轴驱动电机的输出端连接有离合器，三个驱动电机为电动汽车提供转矩，所述离合器在断开时转矩平均分配给两个后轮驱动电机，所述离合器在需求转矩达到预定值时接合，转矩按预设分配算法分配给三个驱动电机。本发明还公开了一种三电机传动结构纯电动汽车的转矩分配优化算法。
-
公开(公告)号：CN108365986A
公开(公告)日：2018-08-03
申请号：CN201810123988.9
申请日：2018-02-07
Applicant: 重庆大学
CPC classification number: Y02D70/00 , Y02T10/7005 , Y02T90/16 , H04W4/025 , B60L58/10 , G08G1/095 , H04L41/044 , H04L41/0823 , H04L41/145 , H04W4/44 , H04W4/46
Abstract: 本发明涉及一种基于模型预测控制的混合动力车队协同能量管理方法，属于新能源汽车领域。该方法步骤为：S1：利用车-车通信和车-路通信层形成一个以交通信号灯为节点的车联网网络构架，形成上层框架；S2：选择代价函数中的权重w1(t)和w3(t)，w2(t)和w4(t)；S3:建立并联HEV模型和电池健康状态模型SOH；S4：确定代价函数，考虑电池老化模型；S5：将上层控制器得到的结果放入下层控制器中，通过MPC解决一个多目标优化的问题，找到最优的转矩分配率。本发明算法复杂度低，可行性好；在代价函数中考虑了电池老化SOH模型，为能量管理提供了新思路，利用本发明可进一步实现智能网联车的更细化的能量管理策略。
-
公开(公告)号：CN119475978A
公开(公告)日：2025-02-18
申请号：CN202411509346.4
申请日：2024-10-28
Applicant: 重庆大学
IPC: G06F30/27 , G06F9/445 , G06N3/045 , G06N3/092 , G06V10/82 , G06N3/006 , G06V10/80 , G06V10/77 , G06T17/00
Abstract: 本发明涉及一种在线驾驶场景的陌生环境状态认知模型训练方法，属于新能源汽车与人工智能的交叉领域。该方法包括：S1：加载三维驾驶场景模型，搭建混合动力汽车模型，并对每个时刻行驶位置的多角度驾驶画面采集；S2：获取纯视觉特征提取流的Camera BEV特征，并与原二维变量型状态张量相结合；利用基于Actor‑Critic架构的近端策略优化算法作为智能体，形成Actor‑Critic‑Guard网络架构；S3：构建包含关于Actor、Critic与Guard的损失值与L2正则项的损失函数对网络训练；S4：加载近似真实世界的测试环境在动态驾驶场景下对Guard环境认知网络进行评估。
-
公开(公告)号：CN117901853B
公开(公告)日：2024-10-29
申请号：CN202410235438.1
申请日：2024-03-01
Applicant: 重庆大学
IPC: B60W30/09 , B60W30/095 , B60W50/00
Abstract: 本发明提供了一种面向弱势道路使用者的视线遮挡场景目标位置预测方法，包括：车辆传感器获取视野盲区前后的车辆前方被障碍物遮挡的弱势道路使用者的行驶信息；根据车辆传感器在视野盲区前后获取的行驶信息对遮挡缺失信号作采样补偿处理，得到补偿后的行驶信息后，基于卡尔曼滤波器对弱势道路使用者的行驶轨迹进行预测；根据弱势道路使用者到达前点所需时间内的车辆制动最小安全距离#imgabs0#、前点与车辆之间的距离#imgabs1#的关系来判断避撞模式。本发明针对自动紧急制动系统在“鬼探头”等复杂场景下的盲区信号提出了采样补偿处理和基于Kalman滤波的轨迹预测算法，对目标位置进行预测，增强汽车主动安全系统适应复杂道路场景的能力。
-
Patent Agency Ranking
公开(公告)号：CN117985023B
公开(公告)日：2024-07-09
申请号：CN202410140008.1
申请日：2024-02-01
Applicant: 重庆大学
IPC: B60W40/08 , B60W50/00 , G06F18/20 , G06F18/10 , G06F18/2135 , G06F18/25 , G06N3/0455
Abstract: 本发明提供了一种基于人‑车多源信息融合和Transformer的驾驶员连续型制动意图预测方法，包括：基于KPCA的人‑车多源信息融合与数据降维方法，得到多源融合后的人‑车交互数据；搭建Transformer模型，并将多源融合后的人‑车交互数据作为模型的输入时间序列，得到驾驶员制动强度的预测值；其中，基于KPCA的人‑车多源信息融合与数据降维方法，包括：采集驾驶员对应位置的sEMG信号；将sEMG信号进行预处理；对预处理得到的sEMG信号提取时域特征并归一化；将汽车动力学特征归一化；将归一化的sEMG信号时域特征与归一化的汽车动力学特征使用kPCA方法进行数据融合和降维，得到多源融合后的人‑车交互数据。本发明以人‑车多源信息为依据，能够提前预测驾驶员连续型制动意图。
-
公开(公告)号：CN113859219B
公开(公告)日：2024-07-05
申请号：CN202111346005.6
申请日：2021-11-15
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
Abstract: 本发明涉及一种基于驾驶工况识别的混合动力汽车自适应能量管理方法，属于新能源汽车领域，包括S1：划分驾驶工况网格单元，计算各网格单元的典型特征参数；S2：采用PCA方法对工况特征参数进行降维处理，采用聚类分析算法进行工况分类；S3：建立基于神经网络的工况识别算法，采用步骤S2中的特征参数和工况类型离线训练神经网络模型；S4：利用历史速度数据在线识别工况类型，实时更新等效因子，采用等效燃油消耗最小策略在线获取发动机‑电机功率分配，使得发动机工作在高效率区域。本发明考虑了驾驶工况对能量管理性能的影响，通过在线识别驾驶工况，可实时优化等效因子，提高了车辆燃油经济性以及能量管理策略的工况适应性。
-
公开(公告)号：CN118192346A
公开(公告)日：2024-06-14
申请号：CN202410366196.X
申请日：2024-03-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G05B19/042
Abstract: 本发明涉及一种面向无信号灯十字路口的自动驾驶多车协同控制方法，属于自动驾驶技术领域。该方法具体包括：S1：构建基于深度学习的无信号灯十字路口多车轨迹预测模型，基于车辆历史状态和环境地图信息，输出路口内所有车辆的预测轨迹；S2：构建基于RSS的安全评估模型，根据车辆的当前状态和步骤S1的预测轨迹，输出每个车辆与周围车辆的冲突关系；S3：构建基于博弈论和IDM的运动规划模型，对有冲突车辆与无冲突车辆进行分别控制和联合行动。本发明能实现安全高效的无信号灯十字路口多车协同控制，与传统多车协同控制方法相比，能够针对路口内的局部冲突进行精确交互，在不扰乱车流的前提下提高安全性和通行效率。
-
公开(公告)号：CN118062052A
公开(公告)日：2024-05-24
申请号：CN202410034804.7
申请日：2024-01-09
Applicant: 重庆大学
Abstract: 本发明涉及一种考虑驾驶行为的自动驾驶汽车安全运动规划方法，属于自动驾驶领域。该方法包括：S1：构建融合驾驶行为的交互性轨迹预测模型，基于驾驶行为认知、周车历史状态和地图信息，输出不同驾驶行为的个性化轨迹；S2：构建基于多项式曲线的安全运动规划模型，基于人类驾驶不同加速度和环境信息，规划出候选轨迹簇；S3：构建风险评估模型，根据步骤S1中的个性化轨迹预测和步骤S2的规划结果，选择最优规划轨迹。本发明在决策规划过程中考虑周围车辆不同行为对自车的影响，并让自动驾驶汽车能够以最小的风险和代价实现运动规划，与传统规划方法相比，能够针对不同驾驶行为产生一个低风险高效率的动态运动规划，确保车辆安全。
-
公开(公告)号：CN117807714A
公开(公告)日：2024-04-02
申请号：CN202410021495.X
申请日：2024-01-05
Applicant: 重庆大学
IPC: G06F30/15 , G06F30/27 , G06N3/092 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种深度强化学习型控制策略的自适应性在线提升方法，属于新能源汽车与人工智能算法的交叉领域。该方法包括：Actor策略网络的初始化训练阶段、多智能体环境的Critic网络预训练阶段、多智能体环境的适配性提升阶段、成熟型Actor策略网络的在线阶段、Actor策略网络的适应性提升阶段和Actor策略网络的适应性预备阶段。本发明针对混合动力汽车与深度强化学习型能量管理策略，提高了深度强化学习型能量管理策略的自适应，解决机器学习型策略由于特殊机理，导致训练阶段的环境模型始终与真实的环境存在一定差异，甚至必然存在的“长尾”效应导致训练过程无法全面覆盖所有场景的问题。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.02 seconds)
