公开(公告)号：CN117389275A

公开(公告)日：2024-01-12

申请号：CN202311445655.5

申请日：2023-11-02

Applicant: 清华大学

Inventor： 李升波 ,  金东润 ,  杨森 ,  邹文俊 ,  殷玉明 ,  段京良 ,  徐少兵 ,  成波

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D109/10

Abstract: 本申请涉及汽车智能驾驶技术领域，特别涉及一种自动驾驶汽车的显式控制律设计方法，其中，方法包括：构建具有仿射结构的车辆动力学模型；基于车辆动力学仿射模型，将跟踪避障约束型最优控制问题的目标函数与约束条件转换为控制李雅普诺夫函数与控制障碍函数；将控制李雅普诺夫函数与控制障碍函数进行加权相加，以构建控制李雅普诺夫‑障碍函数；利用控制李雅普诺夫‑障碍函数的梯度，动力学模型的状态转移矩阵和控制输入转移矩阵来设计控制自动驾驶汽车的显式控制律。由此，解决相关技术中，由于需要大规模迭代计算求解避障跟踪控制中约束型最优控制问题，面对多障碍物情况时，计算复杂度骤增，不能满足毫秒级的车载控制器实时性和安全性的问题。

公开(公告)号：CN117313819A

公开(公告)日：2023-12-29

申请号：CN202311379749.7

申请日：2023-10-23

Applicant: 清华大学

Inventor： 李升波 ,  宋绪杰 ,  刘童 ,  段京良 ,  王文轩 ,  成波

IPC: G06N3/082 ,  G06N3/0499

Abstract: 本发明公开了一种用于伊辛机的多层前馈神经网络训练方法，该方法包括监督学习任务构建、问题形式转化、网络参数求解；其中监督学习任务构建是在训练数据集和量化神经网络参数上进行的二次有约束二值优化问题建模；其中问题形式转化是将构建的二次有约束二值优化问题转化为二次无约束二值优化问题；其中网络参数求解是在伊辛机上求解二次无约束二值优化问题的最优解，并对最优解进行解码得到最优量化神经网络参数，得到训练好的多层前馈神经网络。本发明实现了在伊辛机上训练多层前馈神经网络，作为一种非梯度训练方法提供了传统反向传播方法的替代方法。