公开(公告)号：CN114802241A

公开(公告)日：2022-07-29

申请号：CN202210514505.4

申请日：2022-05-12

Applicant: 江苏大学

Inventor： 王海 ,  石轩宇 ,  蔡英凤 ,  陈龙 ,  廉玉波 ,  钟益林 ,  孙晓强 ,  袁朝春

IPC: B60W30/165 ,  B60W30/14 ,  B60W10/06 ,  B60W10/08 ,  B60W10/18 ,  B60W10/20 ,  B60W30/04 ,  B60W30/045 ,  B60W30/02

Abstract: 本发明公开了一种异质车辆列队跟驰的多维度协同控制方法及系统，包括基于动力总成峰值输出功率和车辆状态的队列最高行驶车速控制。基于动力总成峰值输出扭矩和车辆状态的队列最高行驶加速度控制。基于制动系统性能差异和车辆状态的异质车辆制动压力控制。基于异质车辆横摆、侧倾稳定性差异和道路曲率的转向动态车速控制。基于上述控制，对前车行驶动态性能进行限制，后车将根据前车控制指令对自车驱动、制动、转向系统进行控制，并根据路况信息和车辆间距做出实时调整。本发明解决了前期车辆列队跟驰技术需为同质车辆的局限性，同时依据车辆状态和系统性能对异质车辆进行协调，保障了异质车辆跟驰过程中的队列一致性、行车安全性和转弯稳定性。

公开(公告)号：CN119474849A

公开(公告)日：2025-02-18

申请号：CN202411321817.9

申请日：2024-09-23

Applicant: 江苏大学

Inventor： 刘泽 ,  王海 ,  蔡英凤 ,  张榜玲 ,  罗汞伟 ,  赛影辉 ,  董钊志 ,  宋廷伦 ,  钟益林

IPC: G06F18/214 ,  G06F18/24 ,  G06F17/18

Abstract: 本发明公开了一种样本不平衡数据处理诊断系统及方法，包括数据导入模块、样本分类模块、样本数求均模块、样本平衡模块和数据分析模块，数据导入模块上连接有样本分类模块，样本分类模块上连接有样本数求均模块，样本数求均模块，样本数求均模块上连接有样本平衡模块，样本平衡模块上连接有数据分析模块；本发明，通过样本分类模块的使用，实现了数据的自动分类，防止逐组导入时出现错误；同时，通过样本数求均模块和样本平衡模块之间的配合，实现了更好的数据平衡化，避免了建立模型时出现偏移；同时，通过数据分析模块和数据预测模块之间的配合，可以在分析数据的基础上生成数据模型，提高了系统的应用范围。

公开(公告)号：CN118642460A

公开(公告)日：2024-09-13

申请号：CN202410663210.2

申请日：2024-05-27

Applicant: 江苏大学

Inventor： 蔡英凤 ,  章宇航 ,  刘坚坚 ,  钟益林 ,  陈龙 ,  孙晓强

IPC: G05B23/02

Abstract: 本发明公开了基于可拓控制理论的自动驾驶车辆转向失效容错控制方法及控制器，将可拓理论运用到了自动驾驶车辆转向失效容错控制中，计算出车辆位置到经典域和可拓域的可拓距以及车辆的状态关联函数K(s)，根据关联函数判断车辆不同的稳定状态，进而针对不同稳定状态设计对应的控制策略，满足车辆在出现故障后都能够快速、稳定地进行容错控制，使得自动驾驶车辆仍然能够具有较高的轨迹跟踪精度和车身的稳定性，达到全局控制的最优。首次将RBF‑SMC运用到差动转向转矩跟踪中，能够实现车辆在失稳状态同时模型复杂情况下快速而又精准地实现转矩控制和跟踪。

公开(公告)号：CN118379878A

公开(公告)日：2024-07-23

申请号：CN202410491756.4

申请日：2024-04-23

Applicant: 江苏大学

Inventor： 蔡英凤 ,  陆思凯 ,  廉玉波 ,  钟益林 ,  刘坚坚 ,  陈龙 ,  孙晓强 ,  王海

IPC: G08G1/01 ,  G08G1/0967 ,  G08G1/0968 ,  G06N3/092 ,  G06N3/098

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。

公开(公告)号：CN117272779A

公开(公告)日：2023-12-22

申请号：CN202310863836.3

申请日：2023-07-14

Applicant: 江苏大学

Inventor： 侯梦奇 ,  蔡英凤 ,  陈龙 ,  廉玉波 ,  钟益林 ,  董钊志 ,  王海

IPC: G06F30/27 ,  G06N5/01

Abstract: 本发明公开了基于多层复杂网络的智能网联车辆交互博弈决策方法及车用设备。引入多层复杂网络理论对智能网联环境下的混行交通流进行建模，利用复杂网络的演化博弈对智能网联汽车和智能云端系统的决策进行指导，通过多层复杂网络对智能云端系统和各车辆视为网络节点，交互关系为边建立动态多层复杂网络模型。利用复杂网络的演化博弈建立动力学模型，确立车辆节点以及云端系统的节点各自的决策集合以及相应的收益函数。确定多层复杂网络层与层之间的演化博弈模型，对人工网联汽车驾驶员与智能网联云端系统之间的交互博弈进行设计，最终得出智能网联环境下各车辆决策的最佳效用，使系统趋于最优。

公开(公告)号：CN115145281A

公开(公告)日：2022-10-04

申请号：CN202210845539.1

申请日：2022-07-19

Applicant: 江苏大学

Inventor： 蔡英凤 ,  陆思凯 ,  廉玉波 ,  钟益林 ,  陈龙 ,  王海 ,  袁朝春 ,  刘擎超 ,  李祎承

IPC: G05D1/02

Abstract: 本发明公开了复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法，提出基于路端静态处理模块和车端动态处理模块的车路协同控制框架，利用路端优势补全道路历史信息；提出联邦强化学习算法FTD3，用于连接强化学习模块和联邦学习模块，算法只传输神经网络参数而非车端数据，保护隐私。算法只选取部分神经网络用于聚合，降低通信开销，选取产生较小Q值的网络用于聚合，防止过拟合，实现联邦学习和强化学习的深度结合：RSU神经网络参与聚合但不参与训练，只使用聚合后的共享模型更新而非车端产生的经验。保护车端隐私，减缓神经网络的趋同；只选取部分神经网络参与聚合，减少网络聚合成本。