-
公开(公告)号：CN110687907A
公开(公告)日：2020-01-14
申请号：CN201910897708.4
申请日：2019-09-23
Applicant: 江苏大学
IPC: G05D1/02
Abstract: 本发明公开了基于模型动态重构的智能汽车解耦预测控制器及其控制方法，在智能感知车辆外部环境和自身参数的基础上，首先建立智能汽车三自由度耦合非线性原模型，再构造智能汽车的两个右逆模型，两个右逆模型交替学习进化，将其中一个不执行学习进化功能的右逆模型放置于原模型的左侧，对智能汽车模型进行动态重构，实现模型动态解耦和简化控制，然后根据重新构造得到的新模型中各个子模型及控制要求特征，分别设计模型预测控制器，实现基于模型动态重构的智能汽车解耦预测控制，提高智能汽车的控制性能和智能化水平。本发明结合使用动态逆模型和模型预测控制方法，使用重构的规范化新模型合理设计模型预测控制器，提高智能汽车的控制性能。
-
公开(公告)号：CN113420368B
公开(公告)日：2024-10-01
申请号：CN202110563273.7
申请日：2021-05-24
Applicant: 江苏大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/0499 , G06N3/092 , G06F119/14
Abstract: 本发明公开了一种智能车辆神经网络动力学模型、强化学习网络模型及其自动驾驶训练方法，利用神经网络动力学模型和车辆平面映射关系来模拟自动驾驶汽车在区域分割鸟瞰图上实时的运动变化。采用神经网络作为动力学模型更加贴合实车的动力学特性，减小了普通单轨模型误差较大的问题。利用区域分割鸟瞰图Φ作为自动驾驶强化学习训练的状态量，减小了仿真训练和实车二次训练的状态量之间的差异，避免了仿真训练与实车二次训练之间因状态量差异带来的冲突；设计了一种贴合真实场景的强化学习自动驾驶策略仿真训练框架，预训练的强化学习网络RL‑net能较自然的迁移到实车的二次训练中，解决了直接将强化学习应用实车训练时前期可能会发生的碰撞事故的问题。
-
公开(公告)号：CN114312830B
公开(公告)日：2024-06-07
申请号：CN202111526027.0
申请日：2021-12-14
Applicant: 江苏大学
Abstract: 本发明公开了一种考虑危险驾驶工况的智能车耦合决策模型及方法，采用了自学习和驾驶规则耦合的决策方法，克服了单一决策方法的局限性、缺乏灵活性和不可靠性等问题，能有效处理各种复杂交通场景的智能车驾驶决策问题。本发明充分考虑了智能车行驶过程中的碰撞风险和换道风险，并在此基础上划分了相对应的决策算法，进一步提高了智能车决策的实时性和其在危险驾驶工况下决策的可靠性。本发明提出的基于特征空间映射的迁移学习算法实现了智能车最优价值动作由仿真场景‑真实场景的知识迁移，解决了真实交通场景的建模误差问题，同时也验证了本发明所提出的智能车耦合决策模型在真实驾驶场景中的有效性，大大提升了智能车的迁移学习能力。
-
公开(公告)号：CN113177258B
公开(公告)日：2024-02-20
申请号：CN202110351401.1
申请日：2021-03-31
Applicant: 江苏大学
IPC: G06F30/15 , G06F30/27 , G06N3/08 , G06F119/14
Abstract: 本发明公开了基于相空间重构的自动驾驶汽车深度神经网络预测模型系统及建立方法。在平面单轨模型PSTM的基础上建立历史序列输入和未来序列输出的车辆动力学相空间重构模型VDPSRM，再建立用于收集和存储真实车辆驾驶数据的获取和存储模块RVDDM，使用虚假最近邻计算模块FNNCM计算各典型驾驶工况下驾驶数据序列随延时的虚假最近邻，求取车辆动力学相空间重构模型中的嵌入维数m和每个时步的延迟时间τ，使用平均互信息计算模块AMICM计算各典型驾驶工况下驾驶数据序列的延时互信息，求取车辆动力学相空间重构模型中的预测维数n，构造深度神经网络模块DNNM学习相空间重构模型的重构映射Grec，建立了对未来状态有良好预测能力的自动驾驶汽车深度神经网络预测模型。
-
公开(公告)号：CN116027788A
公开(公告)日：2023-04-28
申请号：CN202310026965.7
申请日：2023-01-09
Applicant: 江苏大学
Abstract: 本发明公开了融合复杂网络理论和部分可观察马尔可夫决策过程的智能驾驶行为决策方法及设备，通过引入部分可观察马尔可夫决策过程(POMDP)，提供了一种在不确定性环境下，多智能体交互的理想决策模型，随着模型维度的增加，其计算复杂度也大大增加，为解决计算复杂度问题，本发明引入基于复杂网络认知理论对驾驶环境进行建模，用于评估重要节点并提取风险树，以缩小POMDP模型的置信空间、加速模型求解，从而实现在高度交互的动态不确定性驾驶环境下进行实时性的行为决策，相比于采用有限状态机和RL的行为决策方法，本发明在保证算法可解释性的同时，可在高度交互的动态不确定性驾驶环境中有效运行，为高级别的智能驾驶系统开发提供了新的解决思路。
-
Patent Agency Ranking
公开(公告)号：CN111679575B
公开(公告)日：2022-05-20
申请号：CN202010407838.8
申请日：2020-05-14
Applicant: 江苏大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法，在智能感知车辆外部环境和自身参数的基础上，首先建立横向和横摆两个方向的路径跟踪误差模型，并且在此基础上考虑未建模动态和风阻、道路坡度和道路不平度造成的外界干扰，建立标称系统约束。基于此数学模型设计控制器，该控制器由两部分组成，一部分为由标称系统作为被控对象，设计模型预测控制器；另外一部分为附加反馈控制，用于减少实际系统与标称系统之间的偏差，附加反馈控制率采用滑模控制法，通过两部分控制率的组合，可以在保证路径跟踪的同时有效减少外界因素的干扰，提高控制器的鲁棒性。
-
公开(公告)号：CN114407925A
公开(公告)日：2022-04-29
申请号：CN202210067361.2
申请日：2022-01-20
Applicant: 江苏大学
Abstract: 本发明公开了一种基于时空鸟瞰图和策略梯度算法的自动驾驶轨迹规划系统及方法，属于自动驾驶驾驶技术领域，通过机器学习来生成自动驾驶车辆的规划轨迹，使得规划轨迹更加智能化，提高了自动驾驶车辆在复杂场景下的轨迹规划能力，提高了普通采样法进行轨迹规划算法的效率，避免了复杂交通场景下的无效采样；本发明提出使用时空鸟瞰图作为策略网络的输入状态量，使得轨迹规划策略网络能有效的提取周边交通环境特征；本发明提出的策略梯度算法实现自动驾驶轨迹规划的方法，将交通环境、规划器和控制器有效联系起来，实现了三者的有效耦合，使得规划器输出轨迹能有效的适应车辆的动力学特性和控制器。
-
公开(公告)号：CN111845741B
公开(公告)日：2021-08-03
申请号：CN202010598169.7
申请日：2020-06-28
Applicant: 江苏大学
Abstract: 本发明公开了一种基于分层强化学习的自动驾驶决策控制方法及系统,包括动作层Agent和决策层Agent。动作层Agent为处理连续行为的基于策略梯度的强化学习算法，通过和道路环境信息交互训练出正确的动作网络；决策层Agent选择处理离散行为的基于价值的强化学习算法，通过和车流交通状态信息交互训练出正确的决策网络。通过先训练动作层Agent，在基于已经训练完成的动作层Agent的基础上训练决策层Agent，使两次训练任务明确，提高了学习效率。本发明避免了急加速和急减速的情况发生，改善了整车舒适性。
-
公开(公告)号：CN113177258A
公开(公告)日：2021-07-27
申请号：CN202110351401.1
申请日：2021-03-31
Applicant: 江苏大学
IPC: G06F30/15 , G06F30/27 , G06N3/08 , G06F119/14
Abstract: 本发明公开了基于相空间重构的自动驾驶汽车深度神经网络预测模型系统及建立方法。在平面单轨模型PSTM的基础上建立历史序列输入和未来序列输出的车辆动力学相空间重构模型VDPSRM，再建立用于收集和存储真实车辆驾驶数据的获取和存储模块RVDDM，使用虚假最近邻计算模块FNNCM计算各典型驾驶工况下驾驶数据序列随延时的虚假最近邻，求取车辆动力学相空间重构模型中的嵌入维数m和每个时步的延迟时间τ，使用平均互信息计算模块AMICM计算各典型驾驶工况下驾驶数据序列的延时互信息，求取车辆动力学相空间重构模型中的预测维数n，构造深度神经网络模块DNNM学习相空间重构模型的重构映射Grec，建立了对未来状态有良好预测能力的自动驾驶汽车深度神经网络预测模型。
-
公开(公告)号：CN111231984A
公开(公告)日：2020-06-05
申请号：CN202010094270.9
申请日：2020-02-15
Applicant: 江苏大学
IPC: B60W50/00
Abstract: 本发明公开了一种四轮转向智能汽车伪解耦控制器及其控制方法，在智能感知外部环境和观测内部参数的基础上，首先建立四轮转向智能汽车原模型，再建立右逆模型，以串联方式置于原模型左侧，四轮转向智能汽车原模型和右逆模型共同构成伪解耦系统；然后建立四轮转向智能汽车有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，再建立四轮转向智能汽车有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的失配程度观测，最后设计转向控制决策模块，根据外部环境感知和内部参数观测，以及有限时间稳定度和有限时间模型失配度两个特征参数，做出是否转向和控制参数的决策，提高四轮转向智能汽车转向控制性能和智能化水平。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
