-
公开(公告)号：CN116834774B
公开(公告)日：2025-03-14
申请号：CN202310902155.3
申请日：2023-07-21
Applicant: 江苏大学
IPC: B60W60/00 , B60W50/00 , G06V20/56 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备，提供一种城市稠密交通下基于复杂网络认知的联邦强化学习端到端自动驾驶算法框架FLDPPO，通过设计损失函数，实现基于规则的复杂网络认知和端到端联邦强化学习的结合。FLDPPO使用动态的驾驶建议，引导智能体学习规则，使得智能体应对复杂的城市驾驶环境和密集的交通场景。并且，所提出框架使用多智能联邦强化学习架构，通过参数聚合的方式训练模型，在保护车端隐私的基础上，加速网络收敛，降低通信消耗，实现样本效率模型高鲁棒性的平衡。
-
公开(公告)号：CN118816909A
公开(公告)日：2024-10-22
申请号：CN202410828173.6
申请日：2024-06-25
Applicant: 江苏大学
Abstract: 本发明提出了一种基于车载传感器数据和辅助地图相结合的车辆定位方法，以实现车辆在公路隧道环境下的定位。该方法通过快速直接的激光雷达惯性里程计将原始点云直接注册到局部地图上并更新局部地图，利用隧道环境中的细微特征来提高定位的准确性，从而实现在隧道环境中交通标志不可用路段时车辆的定位。而对于存在交通标志的路段，需将点云数据制作成交通标志地图，并设置好标志图大小的阈值。一旦检测到的标志图超过所设阈值时，即可使用事先制作好的交通标志地图来实现车辆定位。最终，将惯性里程计的定位结果与基于辅助地图获得的定位数据相融合，以提升车辆在整个公路隧道环境中的定位精度和稳定性。
-
公开(公告)号：CN118565493A
公开(公告)日：2024-08-30
申请号：CN202410624966.6
申请日：2024-05-20
Applicant: 江苏大学
Abstract: 本发明提供了一种基于LoFTR和Yolo算法的车路多传感器融合协同定位方法，具体是首先使用以扩展卡尔曼滤波为核心，对视觉导航信息和惯性导航信息进行松耦合的数据融合方案来解决车辆端导航数据融合的问题，并使得定位系统可以适应转弯角度过大的场景，然后提出一种车辆端和路侧端的坐标系定义方案，使得路侧端负责消除车辆端累积误差，并在路侧端提出一种车辆检测方法，用以实现对车辆的实时跟踪和定位数据记录。本方案为GPS信号受到遮蔽的定位场景提供了一种新的解决方案，成本相对较低，且定位精度能够满足要求，不仅可以运用于室外的道路场景，也同样可以运用在室内的地下停车场或者其他移动设备场景。
-
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
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
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。
-
Patent Agency Ranking
公开(公告)号：CN116704458A
公开(公告)日：2023-09-05
申请号：CN202310421088.3
申请日：2023-04-19
Applicant: 江苏大学
IPC: G06V20/56 , G06T7/80 , G06F17/16 , G06V10/774 , G06V10/764 , G06T7/70
Abstract: 本发明公开了一种自动驾驶商用车横向定位方法，本方法基于深度学习车道线检测、Tukey加权最小二乘拟合，实时单应性变换的自动驾驶商用车高精度横向定位方法。该方法以高鲁棒性的深度学习车道线检测为基础，使用Tukey加权最小二乘法拟合得到的精确车道线，通过基于高斯采样最大似然求解得到的相机与采样地平面之间的单应性变换矩阵，计算车辆在最优采样平面的横向定位结果，最后利用尺度s恢复车辆在真实地平面的横向定位结果，有效减少传统方法所带来的车道线检测误差以及由于车辆振动和地面凹凸不平导致的定位误差，实现高精度的自车道横向定位。
-
公开(公告)号：CN115528926A
公开(公告)日：2022-12-27
申请号：CN202211155571.3
申请日：2022-09-22
Applicant: 江苏大学
Abstract: 本发明公开了一种逆变器高性能风冷系统及其控制方法，包括通过导热硅脂连接的逆变器模块和半导体制冷模块，半导体制冷模块包括从上到下依次叠放在一起的绝缘陶瓷片、冷端金属片、半导体、热端金属片和散热器，半导体包括若干个间隔设置的N型半导体和P型半导体，散热器的翅片处设置设有风扇，热端金属片与外部电源回路连通；通过逆变器温度判断对电路开关和风扇进行开闭控制，确保逆变器温度控制在合理范围内。本发明能快速降低逆变器温度。
-
公开(公告)号：CN115503432A
公开(公告)日：2022-12-23
申请号：CN202211223145.9
申请日：2022-10-08
Applicant: 江苏大学
Abstract: 本发明公开了一种紧凑型热泵空调系统及其控制方法，通过控制压缩机、膨胀阀、加热器、第一水泵、第一四通阀、第二水泵、第二四通阀、单通阀、三通阀、第三水泵、第三四通阀、鼓风机和风扇，实现如下工作模式：在低温环境下热泵加热座舱，在低温环境下热泵加热座舱及电驱余热回收，在低温环境下热泵加热电池，在中温环境下电驱风扇冷却，在高温环境下热泵空调冷却座舱、电驱风扇冷却及电池冷水机冷却。本发明在低温下进行加热座舱/电池和余热回收，在中、高温下充分冷却电驱、电池和座舱，在全天候状况下以低能耗满足多种热管理需求。
-
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
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。
-
公开(公告)号：CN114683803A
公开(公告)日：2022-07-01
申请号：CN202210339238.1
申请日：2022-04-01
Applicant: 江苏大学
Abstract: 本发明提供了一种基于热泵的纯电动汽车热管理系统及其控制方法，控制模块通过控制压缩机控制制冷剂流量，通过控制第一水泵、第二水泵和第三水泵控制冷却液流量，通过控制风扇和鼓风机控制空气流量，通过控制座舱加热器和电池加热器控制加热功率，通过控制四通换向阀、第一电子膨胀阀、第二电子膨胀阀、单通阀、第一三通阀、第二三通阀和第三三通阀控制流体的连通、断开或者实现指定的流动状态；本发明通过控制模块控制不同元部件的工作状态，能够在低温下进行多层级余热回收，在中、高温下同时充分冷却电池和座舱，并且在全天候状况下以低能耗满足多种热管理需求。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.028 seconds)
