-
公开(公告)号：CN113382354B
公开(公告)日：2022-04-22
申请号：CN202110639431.2
申请日：2021-06-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于因子图的无线定位非视距信号判别方法。本方法首先构建基于因子图的无线信号/惯导融合定位框架，然后充分利用基站的静止特性，根据因子图输出结果的置信度和基站的先验位置信息对信号进行非视距判定。本发明公开的无线定位非视距信号判别方法，克服了现有方法自适应能力弱、实时性差的难题，进而保障了无线定位的精准可靠。
-
公开(公告)号：CN111649955B
公开(公告)日：2022-03-11
申请号：CN202010348354.0
申请日：2020-04-28
Applicant: 东南大学
IPC: G01M17/007
Abstract: 本发明公开了一种面向车路协同自动紧急制动系统的性能测评方法，首先，在单一的车路通信测试场景的基础上，建立了包含弯道和直道测试工况的自动紧急制动测试场景，其次，为适应实际交通场景中前车轨迹、速度、加速度等运动状态时变的特性，使测试场景尽可能符合实际运行特点，建立了一种基于五次多项式插值的前车轨迹规划模型，最后，提出并量化了面向车路协同自动紧急制动系统的性能评价指标，建立了多维度的自动紧急制动性能指标体系。本发明的有益效果在于：相比于单一的车路通信测试场景下的自动紧急制动系统测试，本发明提出的方法实现了多场景下面向车路协同自动紧急制动系统性能的全面、可靠的科学定量测评。
-
公开(公告)号：CN111645670B
公开(公告)日：2022-02-22
申请号：CN202010444572.4
申请日：2020-05-23
Applicant: 东南大学
Abstract: 本发明提出一种基于支持向量机的重载车辆侧倾状态检测方法，首先明确影响重载车辆侧倾状态的因素及其获取方式，然后定义用于辨识侧倾状态的表征参数和不同危险等级的侧倾状态，接着开展典型侧翻场景下的重载车辆实车试验并保存数据，进而设计用于重载车辆侧倾状态检测的SVM，最后基于SVM实现重载车辆侧倾状态的实时检测。该方法选用整车质量、车速和方向盘转角信息实现侧倾状态的冗余检测，提高检测的可靠性；车速和方向盘转角通过车身CAN总线读取，无需外加传感器，成本低；以最后一轴两侧车轮垂向力的横向变化来辨识侧倾状态，建立整车质量、车速、方向盘转角与侧倾状态的对应关系，利用实车试验数据训练SVM，提高检测的准确性。
-
公开(公告)号：CN112622886B
公开(公告)日：2022-02-15
申请号：CN202011512720.8
申请日：2020-12-20
Applicant: 东南大学
IPC: B60W30/08 , B60W40/06 , B60W40/105 , B60W40/107 , B60W40/109 , B60W40/09
Abstract: 本发明公开了一种综合考虑前后障碍物的重型营运车辆防碰撞预警方法。首先，针对中国的道路行驶环境，搭建驾驶模拟仿真平台，采集多种行驶工况下优秀驾驶员的典型驾驶行为。其次，引入基于最大熵的逆向强化学习算法，学习人类优秀驾驶员的驾驶行为。最后，将防碰撞预警策略问题描述为马尔科夫决策过程，建立基于正向强化学习的防碰撞驾驶决策模型，得到准确、可靠、具有适应性的防碰撞预警策略。本发明提出的方法，综合考虑前向、后向障碍物对车辆碰撞的影响，为驾驶员提供节气门开度、方向盘转角控制量等精确量化的驾驶建议，且能够适应不同的行驶工况和驾驶员操作，克服了现有的重型营运车辆防碰撞预警方法缺乏准确性、适应性的问题。
-
公开(公告)号：CN113382354A
公开(公告)日：2021-09-10
申请号：CN202110639431.2
申请日：2021-06-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于因子图的无线定位非视距信号判别方法。本方法首先构建基于因子图的无线信号/惯导融合定位框架，然后充分利用基站的静止特性，根据因子图输出结果的置信度和基站的先验位置信息对信号进行非视距判定。本发明公开的无线定位非视距信号判别方法，克服了现有方法自适应能力弱、实时性差的难题，进而保障了无线定位的精准可靠。
-
Patent Agency Ranking
公开(公告)号：CN110987463B
公开(公告)日：2020-12-01
申请号：CN201911086483.0
申请日：2019-11-08
Applicant: 东南大学
IPC: G01M17/007 , G01M17/06 , G06F30/20
Abstract: 本发明公开了一种面向多场景的智能驾驶自主车道变换性能测试方法。本方法首先根据自主车道变换过程中的运动特点，建立了基于运动学自行车模型的车道变换动态模型。其次，利用改进的无迹卡尔曼滤波算法对车辆位置、速度、方位角等状态变量进行滤波估计。最后，基于准确递推的车辆关键性基础性能参数，构建变道性能评价指标体系，量化并输出自主车道变换性能的评价指标：目标间隙、距离碰撞时间和并线横摆稳定性，从而实现智能驾驶自主车道变换性能优劣的高精度、高频率测量和科学定量评价。
-
公开(公告)号：CN111695196A
公开(公告)日：2020-09-22
申请号：CN202010444567.3
申请日：2020-05-23
Applicant: 东南大学
Abstract: 本发明提出一种基于车体运动学信息的罐车侧倾状态预判方法，首先明确影响罐车侧倾状态的车体运动学信息，然后分别建立用于罐车车速和方向盘转角预测的AR模型，接着建立罐车典型侧翻场景集并开展车体运动学信息采集试验，进而设计用于罐车侧倾状态估计的神经网络，最后基于AR模型和神经网络实现罐车侧倾状态的提前预判。该方法使用的车体运动学信息通过CAN总线直接读取，无需外加传感器，操作方便成本低；通过神经网络建立车速、方向盘转角与侧倾状态的非线性映射关系，制作训练样本时考虑典型侧翻场景基元的影响，提高网络预估侧倾状态的准确性；利用AR模型对车速和方向盘转角进行短期预测，联合神经网络实现未来短期内罐车侧倾状态的精确预判。
-
公开(公告)号：CN111238825A
公开(公告)日：2020-06-05
申请号：CN202010028039.X
申请日：2020-01-10
Applicant: 东南大学
IPC: G01M17/007 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向组合试验路面的智能驾驶自动紧急制动性能测试方法。首先，针对我国存在的缺乏多种路面附着条件下制动性能测评的问题，构建了面向组合试验路面的自动紧急制动性能测试场景。其次，为了准确、实时的辨识被测车辆行驶过程中的试验路面条件，建立了基于深度卷积神经网络的试验路面识别模型。最后，量化不同路面附着条件下的自动紧急制动性能指标，建立多维度的智能驾驶自动紧急制动性能指标体系。相比于现有的单一环境条件的制动性能测试，本发明提出的方法实现了湿滑路面、冰雪路面、搓板路面等多种极限试验条件下的自动紧急制动性能的科学定量测评。
-
公开(公告)号：CN110532636A
公开(公告)日：2019-12-03
申请号：CN201910715846.6
申请日：2019-08-05
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种面向多场景的智能驾驶自主车道保持性能检测方法。本方法首先引入β样条曲线，建立了面向智能驾驶汽车测试场景的道路模型。其次，利用改进的强跟踪卡尔曼滤波算法，建立了基于多源信息融合的车辆运动模型，从而准确推算出车辆运动的关键性基础性能参数。最后，基于道路路网和车辆运动信息，量化并输出自主车道保持性能的评价指标：横向偏差、横摆稳定性和路径跟踪精度。本发明公开的智能驾驶自主车道保持性能检测方法，克服了现有测试方法效率低、适应性差、测试工况相对单一的不足，实现了多种测试场景下智能驾驶汽车自主车道保持性能高精度、高频率的评测。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.04 seconds)
