-
公开(公告)号：CN116811601A
公开(公告)日：2023-09-29
申请号：CN202310814861.2
申请日：2023-07-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于模型预测控制的分布式驱动电动汽车转矩控制方法，涉及自动驾驶转向控制技术领域，解决了车辆操纵在稳定性和节能性方面存在不足的技术问题，其技术方案要点是为了在提高车辆操纵稳定性的同时实现分布式电动汽车的节能，设计了力矩矢量分配框架，上层驾驶员速度控制需求产生总转矩，采用比例积分控制算法设计，通过驾驶模拟器获得转向行为。然后，将优化后的转矩矢量分配到前/后轴。下层通过左右车轮的纵向差力产生直接偏航力矩控制输入，以确保车辆的操纵稳定性。
-
公开(公告)号：CN116088301A
公开(公告)日：2023-05-09
申请号：CN202211540624.3
申请日：2022-12-02
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明涉及驾驶辅助技术领域，特别是涉及基于LQR和前馈控制的人机协同转向框架构建方法，其包括基于双点预瞄模型和驾驶员神经肌肉模型，提出了描述转向操纵过程的二阶驾驶员模型，在此基础上，通过驾驶模拟器数据采集和基于最小二乘法的特征参数辨识，在线获取驾驶员模型中关键参数；然后，结合二自由度车辆动力学模型构建了驾驶员‑道路‑车辆系统共享转向控制行为模型；最后，推导了基于LQR和前馈控制的共享控制器，求解反馈和前馈控制量，并定义了共享控制器刚度参数，在驾驶模拟器上进行了人机共驾实验。本发明将驾驶员特性融入共享控制器的设计，在保证车辆稳定和路径跟踪能力的同时，提升驾驶员与控制器的合作舒适性，有效提升人机信任。
-
公开(公告)号：CN115140093A
公开(公告)日：2022-10-04
申请号：CN202210842503.8
申请日：2022-07-18
Applicant: 东南大学
Abstract: 本发明公开了一种实时轨迹规划方法，涉及智能交通技术领域，解决了现有轨迹规划方法难以适用于复杂动态交通环境的技术问题，其技术方案要点是考虑紧急制动碰撞情况建立安全换道模型，提出一种将非线性安全约束简化成线性约束的方法以提高求解效率，兼顾舒适性与安全因素，采用二次规划的方法优化不同采样换道时间下的轨迹簇，考虑不同乘客对换道效率的偏好，从中筛选出最优换道轨迹，并通过实时预测环境车辆运动来决策是否重新规划换道轨迹。本申请提出的轨迹规划方法能够有效兼顾舒适性、安全性与求解效率，同时考虑到不同乘客对换道效率的偏好，能够有效提供使用者对于自动驾驶汽车的接受程度，具有很强的实用性，以及广阔的商业应用前景。
-
公开(公告)号：CN114030474A
公开(公告)日：2022-02-11
申请号：CN202110954134.7
申请日：2021-08-19
Applicant: 东南大学
IPC: B60W40/08
Abstract: 本发明公开了一种基于驾驶员主观风险感受的行车安全场构建方法，涉及智能交通技术领域，解决了未将驾驶员对周边环境的主观感受融入到自动驾驶控制器中的技术问题，其技术方案要点是采用驾驶员在避障过程中可接受的最大侧向加速度的差异提取驾驶员的异质性，提出了一种曲线坐标系下多项式单移线避障轨迹的曲率计算方法，能够得到弯曲道路上车辆避障距离与驾驶员最大可接受侧向加速度的关系，并以此来调整周边环境势场的范围，使其更符合驾驶员的主观感受。基于该方法设计的自主驾驶车辆，能够为不同的用户提供不同的安全和舒适的驾驶方式，做到个性化类人驾驶，有效提高驾驶员和乘客的乘坐舒适性，具有很强的实用性，以及广阔的商业应用前景。
-
公开(公告)号：CN114655228B
公开(公告)日：2024-10-15
申请号：CN202210274505.1
申请日：2022-03-21
Applicant: 东南大学
IPC: B60W40/09 , B60W50/00 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于短时样本的驾驶员换道意图预测系统及方法，涉及智能驾驶技术领域，解决了驾驶员换道意图预测不够精准的技术问题，其技术方案要点是本申请通过短时窗，在很短的时间内，以较低的经济成本，快速预测驾驶员换道意图的功能，实现了辅助驾驶系统下驾驶员意图的监测，具有实用性。同时，基于大数据的深度学习方法有很高的预测精度和鲁棒性，有助于先进驾驶辅助系统的深度开发，提升驾驶安全性。其数据采集简单，经济成本低，预测性能高效，可服务于先进驾驶辅助系统，使得系统具备灵活性，能够用于中小型车辆及重卡车辆，通用性好。
-
Patent Agency Ranking
公开(公告)号：CN116750074A
公开(公告)日：2023-09-15
申请号：CN202310606318.3
申请日：2023-05-26
Applicant: 东南大学
IPC: B62D5/04
Abstract: 本发明公开了一种基于动态规划的双电机线控转向系统的协调控制方法，涉及自动驾驶转向控制技术领域，解决了双电机线控转向系统能耗较高的技术问题，其技术方案要点是通过建立双电机耦合转向模型，并推导了以电机能耗最低为目标的协调控制模型；基于动态规划方法将协调控制模型进行离散求解，实现对双电机线控转向系统的动态转矩分配，在保证转向安全的前提下使汽车双电机线控转向系统能量最优，从而在不同工况下匹配最佳转向模式，提高了转向效率。
-
公开(公告)号：CN115457517A
公开(公告)日：2022-12-09
申请号：CN202211040819.1
申请日：2022-08-29
Applicant: 东南大学
Abstract: 本发明涉及车辆辅助驾驶系统技术领域，特别是涉及一种基于深度学习的驾驶员疲劳程度量化方法。本发明的方法包括步骤训练人脸关键点检测模型检测眼睛和嘴巴区域的特征点；使用训练好的人脸关键点检测模型对获取的图像进行人脸关键点检测；基于检测到的人脸关键点，拟合眼睛和嘴巴的轮廓曲线；根据拟合的轮廓曲线计算眼睛和嘴巴的面积和纵横比；基于眼睛和嘴巴的面积和纵横比，通过模糊系统获得当前帧的疲劳量化值；使用均值滤波确定此时驾驶员的疲劳值。本发明的方法能够实现对驾驶员的疲劳程度准确、快速的检测和量化。
-
公开(公告)号：CN115409106A
公开(公告)日：2022-11-29
申请号：CN202211041204.0
申请日：2022-08-29
Applicant: 东南大学
Abstract: 本发明涉及一种考虑纵向跟车行为的驾驶行为模型的参数辨识方法，驾驶行为模型以自车与前车的相对距离和相对速度作为输入，驾驶员对踏板操纵行为作为中间变量，踏板角度作为输出，考虑了人类驾驶员在半自动/自动驾驶车辆行驶中的纵向操纵作用，利用大脑决策行为、神经肌肉信号传导过程和足部与踏板耦合执行过程来表征纵向操纵行为。辨识方法基于递推最小二乘法的辨识模型对驾驶行为模型的状态参数进行辨识。本发明能准确描述驾驶员的纵向跟车状态下的行为特性，并高效的求解模型中的时变参数，从而准确地获得驾驶员在操纵车辆过程中的动态特性变化。可广泛应用于考虑驾驶员纵向行为的个性化辅助控制系统的研究和应用中。
-
公开(公告)号：CN115140094A
公开(公告)日：2022-10-04
申请号：CN202210842508.0
申请日：2022-07-18
Applicant: 东南大学
Abstract: 本发明公开了一种基于纵向安全间距模型的实时换道决策方法，涉及智能交通技术领域，解决了现有决策方法实时性差、时变交通环境不适用的技术问题，其技术方案要点是建立考虑与周围车辆碰撞风险以及前车突然减速行为的纵向安全间距模型；假设主车和周围车辆加速度保持不变，对主车和周围车辆的运动状态进行预测；计算预测时域内主车与当前车道前车的纵向间距，提出基于纵向安全间距模型的重规划决策方法；根据当前时刻，主车与周围车辆的位置关系、速度关系，设计势场法来选择出最优目标车道；采用样条曲线方法规划出安全轨迹，实现主车从初始车道到目标车道的安全、平稳切换，实现智能驾驶汽车在时变交通环境下的安全行驶。
-
公开(公告)号：CN114750766A
公开(公告)日：2022-07-15
申请号：CN202210279062.5
申请日：2022-03-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于双向长短时记忆网络的驾驶行为预测方法及系统，涉及智能驾驶技术领域，解决了对驾驶员驾驶行为预测不够精准的技术问题，其技术方案要点是通过成熟的车载传感器，实现了短时窗下快速预测驾驶员未来纵横向驾驶行为的功能，预测精度高，实现了在轻量级车载处理器下对驾驶员未来纵横向驾驶行为的预测，经济成本低。能够广泛的服务于车辆辅助驾驶系统，提升辅助驾驶系统的安全性，增强辅助系统对驾驶员的理解，有助于实现安全驾驶，具有实用性与商业化价值。同时，基于大数据的深度学习方法有很高的预测精度、鲁棒性和泛化能力，有助于先进驾驶辅助系统的深度开发，广泛适用于不同车辆下的驾驶员行为预测。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.033 seconds)
