-
公开(公告)号：CN114802307A
公开(公告)日：2022-07-29
申请号：CN202210563712.9
申请日：2022-05-23
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学重庆研究院
Abstract: 自动与人工混合驾驶场景下的智能车辆横向控制方法，属于自动驾驶技术领域。本发明解决了现有自动驾驶车辆在人工驾驶车辆与自动驾驶车辆处于混行状态时，横向控制过程中存在安全性、舒适性差的问题。它建立智能体拓扑图，对智能体拓扑图中顶点的特征进行提取；将智能体拓扑图中每个顶点的特征输入至深度拓扑图卷积网络对智能体拓扑图每个顶点之间的交互作用建模，获取智能体拓扑图中每个顶点的表征特征；采用深度估值网络获得自动驾驶车辆的横向动作估值；选择横向动作估值最大的横向动作对目标车辆横向控制。本发明适用于自动与人工混合驾驶场景下的智能车辆横向控制。
-
公开(公告)号：CN118690465A
公开(公告)日：2024-09-24
申请号：CN202410857625.3
申请日：2024-06-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 哈尔滨工业大学(威海) , 哈尔滨工业大学
Abstract: 本发明公开了一种用于自动驾驶测试的模块化场景构建方法及系统，涉及道路仿真场景搭建技术领域，以解决现有自动驾驶测试车辆实地测试存在高成本、低效率、特殊场景难以测试的技术问题。本发明的技术要点包括：基于不同的算法搭建多个道路模块；建立自动驾驶测试仿真环境模型库；利用多个道路模块以及自动驾驶测试仿真环境模型库进行道路场景搭建与修改。本发明通过极少的控制点同时利用向量方法以及通用坐标变换方法构建各种道路模块，减少了数据计算量，对各种情况进行分类，提高了工具的通用性，可以实现高效率自定义场景建模；容易生成复杂场景，降低了成本。
-
公开(公告)号：CN119248236A
公开(公告)日：2025-01-03
申请号：CN202411403266.0
申请日：2024-10-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种融合多编程语言的Julia函数库及其构建方法，属于计算机软件技术领域。包括采用模块化解耦的数据层业务逻辑层以及接口层。方法如下:设计Julia函数库的分层架构，自下至上依次为数据层、业务逻辑层和接口层；实现Julia函数库的数据层；实现Julia函数库的业务逻辑层；实现Julia函数的接口层。本发明提升了系统的灵活性和功能性，并为后续的科学计算任务提供了便捷支持；采用分层设计，明确了数据层、业务逻辑层和接口层之间的职责划分，使系统具有高度的可扩展性，能够轻松适应未来的功能扩展和技术升级。
-
公开(公告)号：CN119828471A
公开(公告)日：2025-04-15
申请号：CN202411982653.4
申请日：2024-12-31
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B13/04
Abstract: 本发明属于最优控制技术领域，具体涉及一种组合动力助推可重复使用航天器爬升段轨迹优化方法，针对现有的解决现有对可重复使用航天器的爬升段的轨迹优化中，对推力的处理较理想化、速度的提升效果与高度的提升效果不相匹配的问题；在经典高斯伪谱法的基础上，为了提高非光滑问题的求解的速度，在多项式次数和配点修正时，结合传统Gauss伪谱法与有限元法，基于时间段上控制变量的曲率引入自适应决策方法，决策使用提高插值多项式次数或增加时间区间的方法进行修正。以涡喷和冲压共同工作的前提下，提出了二者的作用时间及推力大小的分配方式，给出了组合推力的分配方案。
-
公开(公告)号：CN114013443B
公开(公告)日：2022-09-23
申请号：CN202111339265.0
申请日：2021-11-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于分层强化学习的自动驾驶车辆换道决策控制方法，属于自动驾驶控制技术领域。解决了现有自动驾驶过程中存在安全性差/效率低的问题。本发明利用自动驾驶车辆实际驾驶场景中的速度及与周边环境内车辆的相对位置、相对速度信息建立带有3个隐含层的决策神经网络，并利用换道安全奖励函数对所述决策神经网络进行训练拟合Q估值函数，获取Q估值最大的动作；利用自动驾驶车辆的实际驾驶场景中的速度和周边环境车辆的相对位置信息与跟驰或换道动作对应的奖励函数，建立深度Q学习的加速度决策模型，获得换道或跟驰加速度信息，当换道时，采用5次多项式曲线生成一条参考换道轨迹。本发明适用于自动驾驶换道决策及控制。
-
Patent Agency Ranking
公开(公告)号：CN118261874A
公开(公告)日：2024-06-28
申请号：CN202410359722.X
申请日：2024-03-27
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06T7/194 , G06T7/13
Abstract: 本发明公开了一种基于图像分割大模型和多元高阶回归拟合的鱼竿钓性分析方法，所述方法包括如下步骤：步骤一、图像裁切；步骤二、鱼竿预识别；步骤三、图像识别；步骤四、鱼竿曲线拟合。该方法能够将图像中的鱼竿自动识别出来并生成鱼竿图像在原图中的坐标从而衡量鱼竿的钓性，支持在光线昏暗下分割图像，并且在处理大尺寸图像时仍有较高的效率和分割效果。
-
公开(公告)号：CN116107716A
公开(公告)日：2023-05-12
申请号：CN202310129839.4
申请日：2023-02-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于容器自适应划分的限制性可抢占式实时任务调度方法，属于处理器任务调度技术领域。本发明针对现有多核处理器实时任务的调度方法不能根据处理器利用率的实时变化进行调整，使资源不能得到有效分配的问题。包括：设置多核处理器的任务利用率上限阈值δmax和任务利用率下限阈值δmin，根据当前任务利用率与δmax和δmin的比较结果，动态确定多核处理器的处理器分组数；在每个调度周期开始之前，将资源利用率超过资源利用率最大值的处理器分组的阻塞队列中关键度最小的任务作为等待迁移的关键任务，迁移到目的处理器分组的就绪队列的队列头部；目的处理器分组是所有处理器分组中资源利用率最小的分组。本发明用于实时任务调度。
-
公开(公告)号：CN104064029B
公开(公告)日：2016-03-02
申请号：CN201410318558.4
申请日：2014-07-07
Applicant: 哈尔滨工业大学
Abstract: 一种VANETs中V2V链路延迟的动态预测方法，本发明涉及一种VANETs中V2V链路延迟的动态预测方法。本发明是要解决不能精确地实际预测链路延迟；基于MANETs的方法不满足车载网络环境和应用的需求以及驾驶员很难发现汽车节点速度变化的一般规律，进而给预测链路延迟带来了很大的困难的问题，而提出的一种VANETs中V2V链路延迟的动态预测方法。该方法是通过1、计算两车的相对速度值△v；2、计算两车车头的相对位移值△S；3、计算出的速度差平均值u、方差σ2，4、计算相对距离为L；5、计算链路延迟的数学期望值ET；等步骤实现的。本发明应用于VANETs中V2V链路延迟的动态预测领域。
-
公开(公告)号：CN114013443A
公开(公告)日：2022-02-08
申请号：CN202111339265.0
申请日：2021-11-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于分层强化学习的自动驾驶车辆换道决策控制方法，属于自动驾驶控制技术领域。解决了现有自动驾驶过程中存在安全性差/效率低的问题。本发明利用自动驾驶车辆实际驾驶场景中的速度及与周边环境内车辆的相对位置、相对速度信息建立带有3个隐含层的决策神经网络，并利用换道安全奖励函数对所述决策神经网络进行训练拟合Q估值函数，获取Q估值最大的动作；利用自动驾驶车辆的实际驾驶场景中的速度和周边环境车辆的相对位置信息与跟驰或换道动作对应的奖励函数，建立深度Q学习的加速度决策模型，获得换道或跟驰加速度信息，当换道时，采用5次多项式曲线生成一条参考换道轨迹。本发明适用于自动驾驶换道决策及控制。
-
公开(公告)号：CN104598727A
公开(公告)日：2015-05-06
申请号：CN201510007142.5
申请日：2015-01-07
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 面向城市道路环境考虑交叉路口的VANETs中V2V的链路时延动态预测方法，属于车载无线网络技术领域。本发明解决了现有的链路时延预测方法没有考虑真实的城市场景，不能准确预测链路时延的问题。本发明的技术方案为：步骤一、计算链路断开时两车的相对距离；步骤二、估计两车的相对速度分布；步骤三、基于步骤一与步骤二预测两车的链路时延，具体如下：步骤三一、计算两车链路时延所需的相关因素，包括两车的相对速度v，两车之间的初始距离d，两车的行驶方向；步骤三二、在步骤三一的基础上，计算两车的链路时延，并考虑两车遇到交通灯的情况。本发明主要适用于基于链路时延的VANETs的应用。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.038 seconds)
