基于联邦强化学习的多智能体车路云一体化协同决控架构系统及方法

    公开(公告)号:CN118379878B

    公开(公告)日:2024-12-31

    申请号:CN202410491756.4

    申请日:2024-04-23

    Applicant: 江苏大学

    Abstract: 本发明公开了基于联邦强化学习的多智能体车路云一体化协同决控架构系统及方法。采用内嵌车辆动力学特性的多智能体联邦强化学习决控框架,解决了智能交通系统和智能汽车深度融合问题,实现了车辆与交通深度决控协同的自动驾驶;在路端生成语义矩阵,作为车端强化学习输入,构建路端指导的车端全局、局部轨迹规划;基于路端构建的行车安全场设计车端强化学习的融合奖励函数,实现车端安全性舒适性综合考量;基于路端联邦学习,通过V2I通信上传车端神经网络参数,解决了隐私意识导致的车路信息不对称难题;针对不同环境样本分布,通过神经网络筛选选择针对当前环境的局部最优策略,合成受益于不同环境的共享模型,实现样本效率和模型鲁棒性的平衡。

    一种基于改进的Transformer模型和目标点引导的车辆轨迹预测方法、模型及电子设备

    公开(公告)号:CN118823731A

    公开(公告)日:2024-10-22

    申请号:CN202410801976.2

    申请日:2024-06-20

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于改进的Transformer模型和目标点引导的车辆轨迹预测方法、模型及电子设备,首先以本地时空参考系处理所有场景元素,使每个场景元素生成唯一不变的表示。其次,在基于因子化注意力的场景上下文编码模块中,提出沿目标车辆查询交叉注意力的特征融合方法,通过注入多种键值对引导增强目标车辆的信息获取,实现场景上下文全局特征融合。接着,采用一个基于目标点为条件的多模态运动预测模块,从场景上下文中生成密集目标候选点及其概率,设计目标点预测器来选择高度潜在的车道段上的候选目标,并引入多模态目标解码器进一步捕获高质量目标状态。最后,利用轨迹生成模块获得紧凑多样的预测,实现高可靠性和可解释性的多模态轨迹输出。

    用于预防非酒精性脂肪肝的驾驶员健康管理系统及方法

    公开(公告)号:CN118711759A

    公开(公告)日:2024-09-27

    申请号:CN202410816277.5

    申请日:2024-06-24

    Applicant: 江苏大学

    Abstract: 本发明公开了用于预防非酒精性脂肪肝的驾驶员健康管理系统及方法,包括健康管理系统本体,健康管理系统本体包括健康云计算平台、驾驶感应平台、精细化管理平台、脂肪肝平台和健康体检平台,本发明健康体检平台对驾驶员进行实时的生理参数和心理参数监测,并基于数据分析给出生活习惯改善建议和预防性营养干预,以预防和管理非酒精性脂肪肝,且对驾驶员身体和心理全面检测避免出现驾驶员不具备良好的心理调节能力的现象,保证驾驶员驾驶的安全性;健康云计算平台实时对驾驶员的健康信息进行监测,且监测信息传递至医生和体检中心,医生和体检中心对驾驶员的健康参数进行分析并给出合理的建议,保证驾驶员的身心健康。

    基于多智能体理论的自动驾驶车辆底盘分布式协同控制方法及控制器

    公开(公告)号:CN116954083A

    公开(公告)日:2023-10-27

    申请号:CN202311038299.5

    申请日:2023-08-17

    Applicant: 江苏大学

    Abstract: 本发明公开了基于多智能体理论的自动驾驶车辆底盘分布式协同控制方法及控制器,依据图论构建智能体系统的拓扑关系,通过拉普拉斯矩阵确定不同智能体间的权重。利用MAS一致性控制理论,设计各DMPC控制器的成本函数。使相邻智能体误差同时收敛至零,避免出现震荡现象;针对DMPC终端控制序列与状态序列未知的问题,引入局部静态反馈的方法。通过求解代数Riccati方程得到状态反馈增益,对终端控制序列和状态序列进行求解和预测,避免了控制求解精度低的问题;本发明所提分布式控制方法降低了每个控制器的计算负担,减少了计算时间,较集中式控制方法,避免了单一控制器失效而导致的车辆失稳的现象,提高了整个系统的安全冗余度。

    一种基于物理信息神经网络的智能车辆动力学模型、ILQR控制算法及轨迹跟踪控制器

    公开(公告)号:CN116560223A

    公开(公告)日:2023-08-08

    申请号:CN202310272398.3

    申请日:2023-03-20

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于物理信息神经网络的智能车辆动力学模型、ILQR控制算法及轨迹跟踪控制器。将神经网络与物理模型无缝结合,建立基于PINN的动力学模型,以赋予神经网络可用的先验知识。在基于PINN的动力学模型中,本发明采用全连接神经网络作为模型主干,将Pacejka魔术公式轮胎模型和自行车模型作为物理信息嵌入到PINN的损失函数中。基于所建立的PINN动力学模型设计ILQR控制算法,并将所设计的ILQR控制算法用于轨迹跟踪控制器,通过最小化目标函数求得最优控制指令,实现参考轨迹的准确跟踪。引入Levenberg‑Marquardt算法与线性搜索来改善ILQR控制算法的收敛效果。

    一种分布式驱动的高性能六轮转向商用车智能底盘系统及控制方法

    公开(公告)号:CN115848164A

    公开(公告)日:2023-03-28

    申请号:CN202211629124.7

    申请日:2022-12-16

    Applicant: 江苏大学

    Abstract: 本发明公开了一种分布式驱动的高性能六轮转向商用车智能底盘系统及控制方法,系统包括车架、悬架系统、驱动与制动系统、转向系统及信息感知与控制系统,本发明最大限度地扩充每个车轮在行驶过程中的可控自由度,分别对每个车轮的转向角与驱动力进行控制,使三轴商用车具有过驱动与制动系统输入矢量的冗余和耦合。将先进感知与状态传感设备融入多轮转向多轮驱动底盘控制架构,形成完善的高性能智能底盘系统,提升多轴重载商用车在行驶过程中应对极限工况的能力。基于分布式六轮转向底盘提出的底层控制量优化方案具有理想的轮胎力分配机制,提升车身稳定性。同时多电机分布式驱动结构具备更好的能量分配模式,提升驱动电机效率,降低能耗。

    一种电动汽车驱动电机复合油冷系统及其控制方法

    公开(公告)号:CN115800635A

    公开(公告)日:2023-03-14

    申请号:CN202211500617.0

    申请日:2022-11-28

    Applicant: 江苏大学

    Abstract: 本发明公开了一种电动汽车驱动电机复合油冷系统及其控制方法,复合油冷系统包括油冷电机,油冷电机包括机壳及设置在机壳内部的螺旋状油套,油套上端均匀设置有多组喷油口,油套内侧还设有圆形的凹点;控制模块中的电机温度预测模型获取电机最高温度,将电机最高温度与目标温度的温度差输入优化控制模块,建立包含温度差以及电动油泵和风扇运行状态相关的目标函数,并进行优化求解,获取电动油泵和风扇的转速,进而对冷却油流量和空气冷却流量进行调节,实现对油冷电机冷却的最优控制。本发明能够对对电机定子和转子进行高效冷却,将温度控制和系统能耗一起进行优化控制,提升了电机冷却的系统效率并满足了系统温度跟踪要求。

    一种间接式多层级余热回收的热泵空调系统及其控制方法

    公开(公告)号:CN115489262A

    公开(公告)日:2022-12-20

    申请号:CN202211222544.3

    申请日:2022-10-08

    Applicant: 江苏大学

    Abstract: 本发明公开了一种间接式多层级余热回收的热泵空调系统及其控制方法,通过压缩机控制制冷剂流量,通过第一水泵、第二水泵和第三水泵控制冷却液流量,通过鼓风机和风扇控制空气流量,控制第一加热器和第二加热器的加热功率,通过第一单通阀、第一电子膨胀阀、第二单通阀、第二电子膨胀阀、第三电子膨胀阀、三通阀、第三单通阀和第四单通阀控制流体的连通、断开或者实现指定的流动状态,满足涵盖全天候状况下多种热管理需求,并通过合理的余热利用降低能耗。

Patent Agency Ranking