-
公开(公告)号：CN111959492B
公开(公告)日：2022-05-20
申请号：CN202010898329.X
申请日：2020-08-31
Applicant: 重庆大学
Abstract: 本发明涉及一种网联环境下考虑换道行为的HEV能量管理分层控制方法，属于新能源汽车领域。该方法包括1)考虑换道行为的经济驾驶车速决策方法：根据车‑车通讯、车‑路侧设备通讯提供的网联信息，预测前方车辆信息，采用混杂MPC决策最优换道行为和最优速度；2)能量管理优化控制方法：基于HEV模型，通过跟踪优化的速度轨迹，对HEV进行能量分配，获得优化控制量。本发明从车速和动力系统优化两个维度，以节省能源并提高交通效率，为设计安全、节能、高效、智能的混合动力汽车奠定基础。本发明可以广泛应用于不同类型混合动力汽车经济驾驶和能量管理中。
-
公开(公告)号：CN113264031B
公开(公告)日：2022-04-29
申请号：CN202110766400.3
申请日：2021-07-07
Applicant: 重庆大学
Abstract: 本发明涉及一种基于路面识别与深度强化学习的混合动力系统控制方法，属于新能源汽车的智能控制领域。该方法包括：S1：建立P3结构的并联式混合动力系统以及驾驶环境模型；S2：建立VGG卷积神经网络，采集不同类型路面的图片，并对卷积神经网络进行关于路面类型特征提取的训练；S3：根据滑动率‑附着系数特征曲线确定制动阶段的最优滑动率，并且作为电机转速微调策略的参考值；S4：基于DQN算法建立适用于多目标控制的立体神经网络；S5：定义立体神经网络的状态变量空间、动作变量空间以及奖励函数，并完成迭代训练；S6：提取并保存同步拟合三种参数化控制策略的神经网络，实现混合动力汽车燃油经济性与制动安全性的协同保证。
-
公开(公告)号：CN111123707B
公开(公告)日：2022-03-29
申请号：CN201911370775.7
申请日：2019-12-26
Applicant: 重庆大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于模型预测控制的牵引式挂车轨迹跟踪方法，属于无人驾驶中的轨迹跟踪控制领域。该方法包括：S1：构建牵引式挂车横向动力学模型和误差模型；S2：采用MPC对牵引式挂车的横向跟踪模型进行预测控制；S3：以牵引式挂车的前轮偏角为控制量，实现牵引式挂车对期望路径的跟踪行驶。本发明利用MPC对牵引式挂车的动力学模型和误差模型进行精确的跟踪控制。建立的横向跟踪模型模拟了真实的驾驶环境，并且对道路的曲率变化具有鲁棒性，可以同时保证跟踪的精度和稳定性。利用本发明可以进一步实现牵引式挂车的无人驾驶，在提高货运效率的同时减少交通事故的发生。
-
公开(公告)号：CN113085665B
公开(公告)日：2022-02-11
申请号：CN202110506276.7
申请日：2021-05-10
Applicant: 重庆大学
Abstract: 本发明涉及一种基于TD3算法的燃料电池汽车能量管理方法，属于新能源汽车领域。该方法包括：S1：获取燃料电池汽车的车辆状态信息、动力电池状态信息以及燃料电池状态信息；S2：建立燃料电池汽车能量管理系统模型，包括：整车纵向动力学模型、燃料电池氢耗模型、动力电池等效电路模型、燃料电池衰退模型、动力电池老化模型；S3：利用TD3算法构建燃料电池汽车能量管理策略，求解包含能耗经济性、燃料电池寿命以及动力电池寿命的多目标优化问题。本发明有效的提升了燃料电池汽车的经济性，同时保证了燃料电池以及动力电池的耐久性。
-
公开(公告)号：CN112287463B
公开(公告)日：2022-02-11
申请号：CN202011212191.X
申请日：2020-11-03
Applicant: 重庆大学
Abstract: 本发明涉及一种基于深度强化学习算法的燃料电池汽车能量管理方法，属于新能源汽车领域。该方法包括：S1：获取燃料电池汽车状态信息；S2：搭建燃料电池汽车能量管理系统模型；S3：利用深度强化学习算法构建燃料电池汽车能量管理策略，求解包含燃油经济性以及燃料电池效率的多目标优化问题，从而得出最优能量分配结果。本发明将深度强化学习算法应用于燃料电池汽车能量管理制，具有良好的优化性以及实时性；同时在奖励函数中考虑了燃料电池的工作效率，为能量管理提供了新思路。
-
Patent Agency Ranking
公开(公告)号：CN113859224A
公开(公告)日：2021-12-31
申请号：CN202111346667.3
申请日：2021-11-15
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
Abstract: 本发明涉及一种考虑电机热状态的插电混合动力汽车预测型能量管理方法，属于新能源汽车领域，包括以下步骤：S1：构建基于BP神经网络的速度预测器，对未来时间窗内的行车速度进行预测；S2：根据插电式混合动力汽车参数，构建车辆与动力系统各部件动力学模型；S3：以燃油消耗和电机温升为目标函数，构建基于模型预测控制的预测型能量管理框架；S4：采用PMP算法最小化目标函数，在预测域内求解最优的转矩分配，使得发动机工作在高效率区域，且电机温度维持在安全范围以内。本发明考虑了插电式混合动力汽车行驶过程中的燃油经济性和电机热状态，在减少能源消耗的同时，防止电机过热，可有效降低电机故障率。
-
公开(公告)号：CN113721159A
公开(公告)日：2021-11-30
申请号：CN202111135219.9
申请日：2021-09-27
IPC: G01R31/392 , G01R31/367
Abstract: 本发明涉及一种面向随机局部充电的数据驱动电池健康估计方法，属于电池技术领域，包括以下步骤：S1：对恒流充电过程进行电压分段，以得到若干随机局部充电片段；S2：提取出每个随机充电片段下的电量增量ΔQ，得到恒流充电过程的电量增量序列，作为估计电池健康状态的特征数据；S3：对于提取出的电量增量序列，对其不同的统计学特性与电池健康状态的相关性进行分析，选取与高相关性的统计学特征作为健康因子；S4：使用稀疏高斯过程回归方法进行电池健康状态估计。不同于其他方法中需要对不同的充电片段分别建立不同的估计模型，本发明仅需建立单个估计模型，就可利用任意随机局部充电片段实现电池健康状态的在线估计，且提高了估计的准确性。
-
公开(公告)号：CN108445866B
公开(公告)日：2021-06-08
申请号：CN201810206344.6
申请日：2018-03-13
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。
-
公开(公告)号：CN111965636A
公开(公告)日：2020-11-20
申请号：CN202010699510.8
申请日：2020-07-20
Applicant: 重庆大学
IPC: G01S13/86 , G01S13/66 , G01S13/931
Abstract: 本发明公开了一种基于毫米波雷达和视觉融合的夜间目标检测方法，具体为：预处理基于毫米波雷达检测的原始数据；利用摄像头采集与所述原始数据对应的原始图像；将毫米波雷达检测的有效目标点投影至原始图像上，生成感兴趣区域；针对感兴趣区域内的图像进行图像增亮；基于视觉深度学习，对图像中的有效目标进行分类；将目标类别与毫米波雷达所测定的所述有效目标的航迹相匹配。本发明利用相机采集原始图像数据，同时结合毫米波雷达的全天候工作特性，利用目标反射点在图像上生成感兴趣区域内进行图像增亮和目标检测，利用视觉深度学习的优势，实现对夜间行人、摩托车、汽车等目标的检测，同时有效增强夜间目标检测与跟踪的准确度。
-
公开(公告)号：CN111756971A
公开(公告)日：2020-10-09
申请号：CN202010622342.2
申请日：2020-06-30
Applicant: 重庆大学
Abstract: 本发明涉及一种极端环境下无人车视觉增强装置及方法，属于无人驾驶环境感知领域。该装置包括：图像增强装置，包括滤光装置、图像分析单元和固定装置；滤光装置包括带有后座框的圆形偏振镜，外齿圈，电机驱动单元，以及安装在电机驱动单元上的齿轮；电机驱动单元控制齿轮带动外齿圈及圆形偏振镜同步旋转；图像分析单元输出电机旋转角度和方向信号。本发明通过控制圆形偏振镜的旋转角度实现滤光效果的无级调节，利用卷积神经网络模型和预训练权重参数对图像进行分析，确定圆形偏振镜的旋转角度和方向，同时提出周期扫描方法对圆形偏振镜位置进行校正。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.02 seconds)
