-
公开(公告)号：CN116859731A
公开(公告)日：2023-10-10
申请号：CN202310804271.1
申请日：2023-07-03
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G05B13/04
Abstract: 本发明提供一种基于强化学习的增强高铁自动驾驶控制系统准时性的方法，通过建立基本数据模块和列车运行仿真模块，设置奖励函数和额外单步奖励，设计神经网络结构，构建高速列车自动驾驶训练模型；确定训练参数执行训练，得到高速列车自动驾驶控制模型；本发明改进列车准时性奖励函数的设置方式，在保留原有全局奖励方法的基础上，设置一个在一轮训练过程中的每个单步中都能给予智能体准时性反馈的额外奖励函数，使奖励函数的引导性更强，解决准时性稀疏奖励难以获得的问题，提高列车自动驾驶控制系统的训练效率，更好地满足自动驾驶列车运行过程中的准时性要求。
-
公开(公告)号：CN116858581A
公开(公告)日：2023-10-10
申请号：CN202310769743.4
申请日：2023-06-28
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G01M17/08 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/048 , G06N3/084
Abstract: 一种高速智能动车组自动驾驶控制策略综合性能评价方法，属于列车组自动驾驶技术领域，步骤一、采集高速智能动车组多维自动驾驶特征数据，步骤二、基于熵权法的客观赋权，步骤三、基于德尔菲法将主观评价归一化处理，步骤四、生成综合评价数据集，步骤五、构建基于多层感知机的高速智能动车组自动驾驶算法评价模型。本发明用于高速智能动车组自动驾驶控制策略算法开发过程中主客观评价的统一，解决现有技术中缺乏高速智能动车组自动驾驶算法性能评价体系的问题，并提供可结合测试人员主观评价内容进行主客观统一评价的方法；对于高速智能动车组的发展具有重要意义。
-
公开(公告)号：CN116805139A
公开(公告)日：2023-09-26
申请号：CN202310791461.4
申请日：2023-06-30
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G06F30/27 , G06F111/08 , G06F111/20
Abstract: 一种考虑多维环境特征的高铁测试场景库的构建方法，属于高速列车自动驾驶技术领域，包括步骤一、根据高铁运行环境构建场景分类体系，根据各体系的测试需求，建立场景表征元素；步骤二、根据所述步骤一场景表征元素的类别确定测试场景表征元素的概率分布，建立场景自动生成方案自动生成测试场景。本发明解决现有技术中ATO测试场景丰富性差，条件不足的问题，建立多元化ATO测试场景库。
-
公开(公告)号：CN116954071A
公开(公告)日：2023-10-27
申请号：CN202310804497.1
申请日：2023-07-03
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G05B13/04
Abstract: 本发明提供一种提高舒适度的高铁ATO强化学习控制方法，根据列车运行线路条件及列车基本参数，建立高速列车在站间运行过程中的单质点运动学模型，并建立能耗模型作为优化的目标函数；建立高速列车智能驾驶的强化学习模型，对能耗模型进行求解，设置单步的节能性奖励函数，并增加额外引导功能的奖励函数，以加速智能体的学习；建立额外的基于舒适度规则的舒适度规则模块和基于监督学习的舒适度预测模块，得到能满足节能性同时提高舒适度的高速列车运行策略；在保证安全和节能的前提下，进一步提高高速列车乘客的乘车舒适度。
-
公开(公告)号：CN118261041A
公开(公告)日：2024-06-28
申请号：CN202410341050.X
申请日：2024-03-25
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学
Abstract: 本发明提供一种基于数字孪生的高速智能动车组自动驾驶能力测试方法，包括S1:通过对原始道路信息和动车信息处理，构建虚拟场景库和虚拟动车模型，建立数字孪生仿真测试场景；S2:用实地测试配合虚拟实验测试，完成动车闭环测试；S3:结合可视化动车运行信息对测试结果进行评价分析。本发明基于真实交通数据构建多元环境特征数字化场景库，采用了评价分析与交互模块，可以收集与储存高速智能动车舒适度、节能性、准时性、停车精度等关键指标的相关影响参数。本发明在数字孪生虚拟环境中布置两个动车模型，一个基于自动驾驶算法更新动车姿态信息，另一个动车模型通过真实动车的运动映射更新动车姿态信息，由此来实现对未来状态预测与在线更新并行测试。
-
Patent Agency Ranking
公开(公告)号：CN115167134B
公开(公告)日：2024-10-25
申请号：CN202210846015.4
申请日：2022-07-19
Applicant: 燕山大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于多维奖励Q学习的模型预测加权因子动态调整方法，属于自动驾驶车辆轨迹跟踪控制领域。解决了采用模型预测控制原理设计轨迹跟踪控制器时对加权因子的选取不当会降低自动驾驶车辆轨迹跟踪稳定性和精确性以及行驶安全性的问题。本发明通过强化学习中Q学习方法，训练了加权因子最优调整策略，可实时动态调整模型预测轨迹跟踪控制器的加权因子，从而实时优化自动驾驶车辆的轨迹跟踪性能，以减少在每个采样时刻下车辆实际位置与预期轨迹之间的误差，提高自动驾驶车辆的轨迹跟踪精度和行驶稳定性、舒适性。
-
公开(公告)号：CN114972941B
公开(公告)日：2024-08-13
申请号：CN202210507500.9
申请日：2022-05-11
Applicant: 燕山大学
IPC: G06V10/80 , G06V10/82 , G06V20/58 , G01C21/00 , G01S13/89 , G01S17/89 , G06V10/26 , G06V10/75 , G06V10/764
Abstract: 本申请提供一种被遮挡车辆三维检测的决策融合方法、装置及电子设备，该方法包括：获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据和路侧传感器数据；将车载传感器数据和路侧传感器数据分别输入预建深度学习目标检测网络，分别得到车载车辆信息和路侧车辆信息；将车载车辆信息和路侧车辆信息进行匹配，得到匹配结果；根据车载车辆信息，确定车载感知传感器检测到的车辆的遮挡类型；根据遮挡类型及匹配结果，修正匹配结果。该方案可以快速合理的感知车辆检测决策，降低误检率及漏检率。
-
公开(公告)号：CN114972941A
公开(公告)日：2022-08-30
申请号：CN202210507500.9
申请日：2022-05-11
Applicant: 燕山大学
IPC: G06V10/80 , G06V10/82 , G06V20/58 , G01C21/00 , G01S13/89 , G01S17/89 , G06V10/26 , G06V10/75 , G06V10/764
Abstract: 本申请提供一种被遮挡车辆三维检测的决策融合方法、装置及电子设备，该方法包括：获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据和路侧传感器数据；将车载传感器数据和路侧传感器数据分别输入预建深度学习目标检测网络，分别得到车载车辆信息和路侧车辆信息；将车载车辆信息和路侧车辆信息进行匹配，得到匹配结果；根据车载车辆信息，确定车载感知传感器检测到的车辆的遮挡类型；根据遮挡类型及匹配结果，修正匹配结果。该方案可以快速合理的感知车辆检测决策，降低误检率及漏检率。
-
公开(公告)号：CN113255504B
公开(公告)日：2022-07-22
申请号：CN202110547978.X
申请日：2021-05-19
Applicant: 燕山大学
Abstract: 本发明涉及一种基于深度学习的路侧视角超视距全域融合感知系统，对路侧布置的摄像头、激光雷达、毫米波雷达异构数据采集和进行数据层融合，并利用深度学习分别处理融合后的图像和激光雷达点云数据，最终利用决策层融合实现融合感知。通过在路侧布置感知系统，并结合图像、激光雷达点云、毫米波雷达点云数据各自的优势，可以提升感知视距，并在多个层面对监控区域进行场景理解，最终为网联自动驾驶车辆提供充足可靠的感知信息。
-
公开(公告)号：CN114545434A
公开(公告)日：2022-05-27
申请号：CN202210039036.5
申请日：2022-01-13
Applicant: 燕山大学
Abstract: 本申请提供一种路侧视角测速方法、系统、电子设备及存储介质，该方法包括：获取摄像设备采集的图像数据和雷达传感器采集的雷达点云数据；摄像设备和雷达传感器时间同步；对雷达点云数据进行滤波、降维处理，得到处理后点云数据；对图像数据进行目标检测及跟踪处理，得到视觉输出信息；对处理后点云数据及视觉输出信息进行融合处理，得到目标空间信息；根据目标空间信息及视觉输出信息，确定速度信息；将速度信息、目标空间信息及视觉输出信息进行数据结构化，确定输出数据。该方案速度检测精度高且准确性高。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.058 seconds)
