-
公开(公告)号：CN112668473B
公开(公告)日：2022-04-08
申请号：CN202011583142.7
申请日：2020-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征深度融合神经网络的车辆状态准确感知方法，该方法首先建立并行深度卷积‑递归神经网络架构，包括使用并行卷积神经网络分别提取输入张量中的旋转和平移几何特征，使用递归神经网络学习所提取特征之间的运动状态时间相关特性；接着采用基于权重平衡的均方误差迭代法优化网络参数；最终使用训练好的网络估计车辆的三维速度和三维角速度信息。该方法仅使用单目相机，具有成本低的特点；所设计的网络泛化性能好，车辆状态参数感知准确。
-
公开(公告)号：CN112622886A
公开(公告)日：2021-04-09
申请号：CN202011512720.8
申请日：2020-12-20
Applicant: 东南大学
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：CN112101709A
公开(公告)日：2020-12-18
申请号：CN202010760374.9
申请日：2020-07-31
Applicant: 东南大学
IPC: G06Q10/06 , G06F30/20 , G01M17/007
Abstract: 本发明公开了用于商用车辆自动紧急制动系统的全面准确的测评方法。首先，建立基于强跟踪卡尔曼滤波算法的靶车自适应常加速改进模型和基于强跟踪扩展卡尔曼滤波算法的自车横摆特性动力学模型，获取靶车和自车的位置、速度、加速度等运动学状态信息及自车横摆特性状态信息；然后，利用靶车和自车的状态信息，计算一般性的AEB测评指标，即碰撞时间和强化碰撞时间，并计算针对商用车辆横摆稳定性的测评指标，即制动横摆安全裕量和制动平顺性。本发明解决了现有车辆AEB测评方法没有关注靶车的运动状态参数导致测评结果准确性不够高，没有具体考虑商用车辆重心高、质量大等特性导致测评结果不够全面的问题，实现了对商用车辆AEB系统的全面准确测评。
-
Patent Agency Ranking
公开(公告)号：CN112733325B
公开(公告)日：2024-01-12
申请号：CN202011517914.7
申请日：2020-12-21
Applicant: 东南大学
Abstract: 本发明公开了一种用于半挂汽车列车AEBS的全面准确的测评方法；首先，使用双天线差分GPS接收机、陀螺仪作为采集数据的传感器；然后建立基于无迹卡尔曼滤波算法的半挂汽车列车当前”统计改进模型，并利用几何学关系解算半挂汽车列车的运动学状态信息；其次，建立基于递归最小二乘估计算法的目标车辆运动学模型并获取目标车辆的运动学状态信息；最后，利用获取的目标车辆和自车状态信息，计算一般性AEBS测评指标，即碰撞时间和强化碰撞时间，并提出了具有针对性的半挂汽车列车AEBS测评的指标，包括横摆稳定裕度、制动平顺性、折叠幅度。本发明解决了现在没有专门针对半挂汽车列特性的AEBS测评方法的问题，实现了对半挂汽车列车AEBS的全面准确的测评。
-
公开(公告)号：CN112101709B
公开(公告)日：2022-11-11
申请号：CN202010760374.9
申请日：2020-07-31
Applicant: 东南大学
IPC: G06Q10/06 , G06F30/20 , G01M17/007
Abstract: 本发明公开了用于商用车辆自动紧急制动系统的全面准确的测评方法。首先，建立基于强跟踪卡尔曼滤波算法的靶车自适应常加速改进模型和基于强跟踪扩展卡尔曼滤波算法的自车横摆特性动力学模型，获取靶车和自车的位置、速度、加速度等运动学状态信息及自车横摆特性状态信息；然后，利用靶车和自车的状态信息，计算一般性的AEB测评指标，即碰撞时间和强化碰撞时间，并计算针对商用车辆横摆稳定性的测评指标，即制动横摆安全裕量和制动平顺性。本发明解决了现有车辆AEB测评方法没有关注靶车的运动状态参数导致测评结果准确性不够高，没有具体考虑商用车辆重心高、质量大等特性导致测评结果不够全面的问题，实现了对商用车辆AEB系统的全面准确测评。
-
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：CN112733325A
公开(公告)日：2021-04-30
申请号：CN202011517914.7
申请日：2020-12-21
Applicant: 东南大学
Abstract: 本发明公开了一种用于半挂汽车列车AEBS的全面准确的测评方法；首先，使用双天线差分GPS接收机、陀螺仪作为采集数据的传感器；然后建立基于无迹卡尔曼滤波算法的半挂汽车列车“当前”统计改进模型，并利用几何学关系解算半挂汽车列车的运动学状态信息；其次，建立基于递归最小二乘估计算法的目标车辆运动学模型并获取目标车辆的运动学状态信息；最后，利用获取的目标车辆和自车状态信息，计算一般性AEBS测评指标，即碰撞时间和强化碰撞时间，并提出了具有针对性的半挂汽车列车AEBS测评的指标，包括横摆稳定裕度、制动平顺性、折叠幅度。本发明解决了现在没有专门针对半挂汽车列特性的AEBS测评方法的问题，实现了对半挂汽车列车AEBS的全面准确的测评。
-
公开(公告)号：CN112668473A
公开(公告)日：2021-04-16
申请号：CN202011583142.7
申请日：2020-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征深度融合神经网络的车辆状态准确感知方法，该方法首先建立并行深度卷积‑递归神经网络架构，包括使用并行卷积神经网络分别提取输入张量中的旋转和平移几何特征，使用递归神经网络学习所提取特征之间的运动状态时间相关特性；接着采用基于权重平衡的均方误差迭代法优化网络参数；最终使用训练好的网络估计车辆的三维速度和三维角速度信息。该方法仅使用单目相机，具有成本低的特点；所设计的网络泛化性能好，车辆状态参数感知准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
