-
Patent Agency Ranking
公开(公告)号：CN118991710B
公开(公告)日：2025-03-04
申请号：CN202411487509.3
申请日：2024-10-24
Applicant: 之江实验室
Abstract: 本发明涉及一种复合系统优化及协调控制方法、装置及存储介质，其中方法包括：得到制动指令的幅值和变化率；获取电机再生制动力矩的实际值和液压制动力矩的观测值及其各自的变化率；结合制动指令的幅值和变化率，得到状态坐标；计算状态坐标和电机再生制动系统的吸引域边界的距离作为第一距离μ1，以及状态坐标和液压制动系统的吸引域边界的距离作为第二距离μ2；若第一距离和第二距离中的至少一者小于第一阈值距离d1，则执行第一制动模式；若第一距离和第二距离中均大于第二阈值距离d2，则执行第二制动模式。与现有技术相比，本发明在保证对制动指令信号跟随的同时，提高动能回收率和舒适性。
-
公开(公告)号：CN118991710A
公开(公告)日：2024-11-22
申请号：CN202411487509.3
申请日：2024-10-24
Applicant: 之江实验室
Abstract: 本发明涉及一种复合系统优化及协调控制方法、装置及存储介质，其中方法包括：得到制动指令的幅值和变化率；获取电机再生制动力矩的实际值和液压制动力矩的观测值及其各自的变化率；结合制动指令的幅值和变化率，得到状态坐标；计算状态坐标和电机再生制动系统的吸引域边界的距离作为第一距离μ1，以及状态坐标和液压制动系统的吸引域边界的距离作为第二距离μ2；若第一距离和第二距离中的至少一者小于第一阈值距离d1，则执行第一制动模式；若第一距离和第二距离中均大于第二阈值距离d2，则执行第二制动模式。与现有技术相比，本发明在保证对制动指令信号跟随的同时，提高动能回收率和舒适性。
-
公开(公告)号：CN117519287A
公开(公告)日：2024-02-06
申请号：CN202311600543.2
申请日：2023-11-28
Applicant: 之江实验室
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种同步切换多智能体系统的最优控制方法、装置及介质，包括子系统选择模块和最优控制模块；子系统选择模块：在任意时刻计算每个子系统对应的目标函数值，选择目标函数值最小的子系统运行；最优控制模块依据所选择的子系统模型、协态向量和目标函数权矩阵确定最优控制输入。本发明针对一种同步切换多智能体系统，其各个智能体子系统的切换时间和选择的子系统模型均相同，提供一种全局最优的切换和控制策略，通过最小化关于状态和输入的目标函数，给出了决定子系统选择的最优切换函数和调控子系统状态演化的最优控制律的解析表达式。
-
公开(公告)号：CN118991711B
公开(公告)日：2025-03-04
申请号：CN202411487511.0
申请日：2024-10-24
Applicant: 之江实验室
Abstract: 本发明涉及一种基于并行学习和极值搜索的控制方法、装置及存储介质，其中方法包括：步骤S1：采集滑移率和路面附着系数的时间序列；步骤S2：构建制动路面的特征向量；步骤S3：基于制动路面的特征向量，与历史数据库中各已知路面类型的特征向量进行匹配，若存在相似度大于预配置的阈值的已知路面类型，则执行步骤S4，反之，则执行步骤S5；步骤S4：获取最优滑移率，并基于经验控制库输出控制信号；步骤S5：基于极值搜索确定最优滑移率，并输入至基于并行学习的自适应控制模型，得到控制信号；步骤S6：基于得到的控制信号进行控制。与现有技术相比，本发明具有跨越路面类型的紧急制动时具有最短制动距离等优点。
-
公开(公告)号：CN118991711A
公开(公告)日：2024-11-22
申请号：CN202411487511.0
申请日：2024-10-24
Applicant: 之江实验室
Abstract: 本发明涉及一种基于并行学习和极值搜索的控制方法、装置及存储介质，其中方法包括：步骤S1：采集滑移率和路面附着系数的时间序列；步骤S2：构建制动路面的特征向量；步骤S3：基于制动路面的特征向量，与历史数据库中各已知路面类型的特征向量进行匹配，若存在相似度大于预配置的阈值的已知路面类型，则执行步骤S4，反之，则执行步骤S5；步骤S4：获取最优滑移率，并基于经验控制库输出控制信号；步骤S5：基于极值搜索确定最优滑移率，并输入至基于并行学习的自适应控制模型，得到控制信号；步骤S6：基于得到的控制信号进行控制。与现有技术相比，本发明具有跨越路面类型的紧急制动时具有最短制动距离等优点。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
