公开(公告)号：CN114545928B

公开(公告)日：2024-08-13

申请号：CN202210065411.3

申请日：2022-01-19

Applicant: 北京工业大学

Inventor： 詹璟原 ,  陈亮 ,  张利国 ,  师泽宇 ,  郭翔宇

IPC: G05D1/43 ,  G05D1/65 ,  G05D1/644 ,  G05D1/648 ,  G05D109/10

Abstract: 本发明公开了一种基于自触发分布式预测控制的异构车辆队列控制方法，属于智能交通技术领域；用于车辆队列协同控制，首先建立三阶离散车辆纵向动力学模型，通过状态变量替换，将车辆队列控制问题等价变化为多智能体一致性问题；为保证控制性能和尽可能避免通信资源浪费，设计了一类滚动时域的状态一致性优化问题，对触发间隔和控制输入同时优化；为提高在线运行效率，在离线准备时先给出了控制输入与触发时刻的解析关系，通过带入原问题得到仅针对触发时刻的优化问题，求得对应的参数并将其存储；最后结合离线数据，在线模拟运行一排状态不同的车队，得到的同速，等间距车辆队列具有控制性能好、运行效率高、节约通信资源的特点。

公开(公告)号：CN114545928A

公开(公告)日：2022-05-27

申请号：CN202210065411.3

申请日：2022-01-19

Applicant: 北京工业大学

Inventor： 詹璟原 ,  陈亮 ,  张利国 ,  师泽宇 ,  郭翔宇

IPC: G05D1/02

Abstract: 本发明公开了一种基于自触发分布式预测控制的异构车辆队列控制方法，属于智能交通技术领域；用于车辆队列协同控制，首先建立三阶离散车辆纵向动力学模型，通过状态变量替换，将车辆队列控制问题等价变化为多智能体一致性问题；为保证控制性能和尽可能避免通信资源浪费，设计了一类滚动时域的状态一致性优化问题，对触发间隔和控制输入同时优化；为提高在线运行效率，在离线准备时先给出了控制输入与触发时刻的解析关系，通过带入原问题得到仅针对触发时刻的优化问题，求得对应的参数并将其存储；最后结合离线数据，在线模拟运行一排状态不同的车队，得到的同速，等间距车辆队列具有控制性能好、运行效率高、节约通信资源的特点。

公开(公告)号：CN112560172B

公开(公告)日：2024-04-26

申请号：CN202011419717.1

申请日：2020-12-06

Applicant: 北京工业大学

Inventor： 陈阳舟 ,  郭翔宇 ,  詹璟原 ,  尚飞

IPC: G06F30/15 ,  G06F30/20 ,  B61L27/20 ,  G06F111/04 ,  G06F119/14

Abstract: 本发明公开了一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法，本方法考虑基本阻力、列车牵引特性等因素，以列车位置为自变量、速度和时间为状态变量建立列车动力学模型，建立基于模态切换的列车节能优化操纵模型，规定多站间的模态切换顺序规则，构造列车节能运行优化问题，根据线路条件将列车位置、速度和时间离散化构成状态空间，确定状态递推方程，每切换一个模态，在线获取实时状态并更新，用离散动态规划算法在线搜索剩余的列车最优模态切换位置点序列，该方法具有充分利用模态切换思想、在线控制列车等优点。

公开(公告)号：CN112560172A

公开(公告)日：2021-03-26

申请号：CN202011419717.1

申请日：2020-12-06

Applicant: 北京工业大学

Inventor： 陈阳舟 ,  郭翔宇 ,  詹璟原 ,  尚飞

IPC: G06F30/15 ,  G06F30/20 ,  B61L27/00 ,  G06F111/04 ,  G06F119/14

Abstract: 本发明公开了一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法，本方法考虑基本阻力、列车牵引特性等因素，以列车位置为自变量、速度和时间为状态变量建立列车动力学模型，建立基于模态切换的列车节能优化操纵模型，规定多站间的模态切换顺序规则，构造列车节能运行优化问题，根据线路条件将列车位置、速度和时间离散化构成状态空间，确定状态递推方程，每切换一个模态，在线获取实时状态并更新，用离散动态规划算法在线搜索剩余的列车最优模态切换位置点序列，该方法具有充分利用模态切换思想、在线控制列车等优点。

公开(公告)号：CN117934849A

公开(公告)日：2024-04-26

申请号：CN202410135853.X

申请日：2024-01-31

Applicant: 北京工业大学

Inventor： 郭翔宇 ,  马伟

IPC: G06V10/26 ,  G06V10/764 ,  G06V20/70 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的RGB‑D图像语义分割方法，核心为一个基于多层次特征融合的语义边缘检测深度神经网络模型。包括双模态非局部上下文编码模块、互补特征选择模块和语义引导的特征校准模块。训练分为三个步骤：模型参数的初始化、目标数据集准备和整体模型的训练。本发明具有以下优点：1)利用包含双模态非局部上下文信息的token来交互双模态信息，能够更好的提取双模态互补特征，增强单一模态的特征表示；2)利用语义引导的特征校准模块，将顶层特征丰富的全局语义上下文信息引入浅层特征，丰富浅层特征语义信息，并抑制浅层特征中的噪声信息，从而提升分割效果。