公开(公告)号：CN116022157A

公开(公告)日：2023-04-28

申请号：CN202211348311.8

申请日：2022-10-31

Applicant: 东南大学

Inventor： 汪䶮 ,  徐利伟 ,  殷国栋

IPC: B60W50/00 ,  B60W40/13

Abstract: 本发明公开了一种考虑未知噪声影响下的车辆模型参数联合辨识方法，涉及新能源汽车设计技术领域，解决了整备质量和质心位置的估计精度较低的技术问题，该联合辨识方法由第一鲁棒嵌入式容积卡尔曼滤波和第二鲁棒嵌入式容积卡尔曼滤波组成。首先将H无穷滤波与嵌入式容积卡尔曼滤波相结合构成第一鲁棒嵌入式容积卡尔曼滤波并利用车辆纵向动力学模型对整备质量进行估计，随后将该结果输入给第二鲁棒嵌入式容积卡尔曼滤波进行质心位置参数辨识。本申请可以实现噪声统计特性未知情况下车辆质量与质心位置参数同时高精度估计，可以有效提升车辆底盘控制性能。

公开(公告)号：CN115285136A

公开(公告)日：2022-11-04

申请号：CN202210842510.8

申请日：2022-07-18

Applicant: 东南大学

Inventor： 王金湘 ,  严永俊 ,  汪䶮 ,  彭林 ,  胡敬宇 ,  宋雨昂 ,  方振伍 ,  韩东明 ,  高强 ,  殷国栋

IPC: B60W50/00

Abstract: 本发明公开了一种基于模型预测控制的拟人化控制器设计方法，涉及智能交通技术领域，解决了现有自动驾驶技术偏向同质化、不符合驾驶员个性化操纵偏好的技术问题，其技术方案要点是设计基于模型预测控制的路径跟踪控制器，采用不同驾驶员个性化的视觉预瞄‑反馈控制‑比例增益‑神经肌肉延迟行为对路径跟踪控制器进行拟人化改进，有效提高不同驾驶员对于车辆操纵的满意程度。该方法能够实现智能汽车的拟人化驾驶，提高人类驾驶员对于智能汽车的信任感和接受度，具有很强的实用性，以及广阔的商业应用前景。

公开(公告)号：CN113978476A

公开(公告)日：2022-01-28

申请号：CN202110964949.3

申请日：2021-08-20

Applicant: 东南大学

Inventor： 殷国栋 ,  汪䶮 ,  严永俊 ,  柏硕 ,  胡敬宇 ,  徐利伟 ,  王金湘 ,  卢彦博 ,  耿可可

IPC: B60W40/10

Abstract: 本发明涉及一种考虑传感器数据丢失的线控汽车轮胎侧向力估计方法，首先利用电动汽车车载传感器获得带有部分测量数据丢失的前轮转角，纵向速度，质心侧偏角以及纵、横向加速度信号，利用线控系统中CAN总线获得轮胎的纵向驱动力信息，将这些信息与非线性车辆模型结合利用先验预估和后验更新的方法估计轮胎侧向力，实现轮胎侧向力的精确获取。本发明可以填补当前传感器数据丢失情况下轮胎力无法估计的技术空白，促进了汽车主动安全控制技术的发展。

公开(公告)号：CN113771865A

公开(公告)日：2021-12-10

申请号：CN202110964974.1

申请日：2021-08-20

Applicant: 东南大学

Inventor： 殷国栋 ,  汪䶮 ,  徐利伟 ,  卢彦博 ,  庄伟超 ,  耿可可 ,  祝小元

IPC: B60W40/10 ,  B60W50/02

Abstract: 本发明涉及一种车载传感器测量数据异常情况下的汽车状态估计方法，首先利用车载传感器获得带有异常测量数据的横向加速度信号以及正常的前轮转角和纵向加速度，将这些信息与非线性车辆模型结合利用先验预估和后验更新的方法估计车辆的纵向速度，质心侧偏角，横摆角速度来实现汽车状态的精确获取。本发明可以填补当前车载传感器测量数据异常情况下汽车状态无法精确估计的技术空白，提升了汽车主动安全控制技术水平。本发明考虑到现有汽车状态估计中尚未考虑传感器数据异常，利用贝叶斯概率理论设计了考虑数据异常的先验与后验相结合的估计方法，可以填补当前传感器数据异常情况下汽车状态无法估计的技术空白。

公开(公告)号：CN113650620A

公开(公告)日：2021-11-16

申请号：CN202111002707.2

申请日：2021-08-30

Applicant: 东南大学

Inventor： 任彦君 ,  汪䶮 ,  殷国栋 ,  柏硕 ,  张紫涵 ,  沈童 ,  王凡勋 ,  冯斌 ,  卢彦博 ,  付琪

IPC: B60W40/10 ,  B60W40/13

Abstract: 本发明涉及一种四轮电驱动汽车状态预测方法，首先利用车载传感器获得汽车的纵向速度、横摆角速度、轮胎侧向力、前轮转角信号和纵向驱动力信息，利用无迹卡尔曼滤波算法获得基于模型的车辆状态估计；将车辆运行中产生的大数据进行提取获得状态输入和输出数据集，运用神经网络训练获得软件定义的车，使得其能够根据车辆控制输入自动输出车辆状态，获得基于数据的车辆状态估计；将获得的基于模型和数据的车辆估计加权融合，获得最终汽车状态估计值。本发明基于算法的持续优化，不断改善预测精度，促进了汽车主动安全控制技术的发展。

公开(公告)号：CN110619752B

公开(公告)日：2021-09-07

申请号：CN201910504233.8

申请日：2019-06-12

Applicant: 东南大学

Inventor： 殷国栋 ,  董昊轩 ,  庄伟超 ,  梁晋豪 ,  王法安 ,  汪䶮 ,  刘赢 ,  卢彦博

IPC: G08G1/08 ,  G08G1/087 ,  H04W4/029 ,  H04W4/44

Abstract: 本发明涉及一种基于LTE‑V2X通信技术的车辆与信号灯协同控制方法及控制系统，车辆驶入控制区域后，车载终端利用CAN总线获取车载传感器获取的车速信息，并利用LTE‑V2X网络将上述信息及车辆优先级、类型、紧急情况信息发送到车道信号灯控制器；信号灯控制器计算各车位置信息，计算车道内燃油汽车、混合动力汽车和纯电动汽车数量，计算车辆队列长度及通行时间，加载各类型车辆优化速度；通过车辆与信号灯协同控制方法循环，实现各车道信号灯相位配时控制，利用LTE‑V2X网络广播统一优化车速、安全预警、优先通行等信息，通过车载交互设备呈现给驾驶员；当车辆驶出控制区域后，停止与该车车载终端的信息交互，本发明可以实现车辆在路口高效通行、绿色通行、安全通行。