一种基于回旋线和圆弧线的矿车泊车路径规划优化方法

    公开(公告)号:CN116513166A

    公开(公告)日:2023-08-01

    申请号:CN202310602658.9

    申请日:2023-05-25

    Applicant: 同济大学

    Abstract: 本发明公开了一种基于回旋线和圆弧线的矿车泊车路径规划优化方法,包括:获取矿车的泊车路径中圆弧路径的起点位置以及终点位置;基于圆弧路径中的小圆弧的圆心位置、起点位置以及终点位置,通过对称原理建立第一约束方程;基于第一约束方程、起点位置以及终点位置,确定回旋线参数对应的目标约束方程,并对目标约束方程进行求解,获得目标回旋线参数;基于目标回旋线参数,确定圆弧路径中小圆弧两侧的回旋线对应的回旋线弧长,以及小圆弧的圆弧弧长;基于所述回旋线弧长以及所述圆弧弧长,确定所述矿车的目标泊车路径。本发明降低了泊车过程中矿车由于泊车路径曲率不连续造成的原地转向的概率,提高了矿车的泊车控制效果。

    基于改进CycleGAN的路面阴影数据增广方法

    公开(公告)号:CN118097330A

    公开(公告)日:2024-05-28

    申请号:CN202410200004.8

    申请日:2024-02-23

    Applicant: 同济大学

    Abstract: 本发明提出了一种基于改进CycleGAN的路面阴影数据增广方法,包括以下步骤:步骤S100:获取路面数据集,包括无阴影集A和有阴影集B两类,两类数据集均包括训练集train和验证集val;步骤S200:搭建现有的CycleGAN,之后增加纹理自监督机制Losstss以形成改进的CycleGAN,以保留原本图像的纹理信息;步骤S300:设置损失函数和训练参数,之后基于训练集train对步骤S200输出的模型进行训练,最后基于验证集val验证;步骤S400:建立无阴影路面图片的待处理数据集,通过训练好的生成器G_A2B将无阴影数据生成有阴影数据。本发明生成含有阴影的路面数据集,解决了阴影路面缺乏的问题。

    无人矿车的轨迹跟踪控制方法、装置、设备及存储介质

    公开(公告)号:CN115877841A

    公开(公告)日:2023-03-31

    申请号:CN202211540669.0

    申请日:2022-12-02

    Applicant: 同济大学

    Abstract: 本发明属于无人驾驶技术领域,公开了一种无人矿车的轨迹跟踪控制方法、装置、设备及存储介质。该方法包括:建立无人矿车的轨迹跟踪误差模型,对该模型进行离散化处理,通过设置航向角预瞄距离来对抗执行器延迟,确定预瞄后的航向角误差,以构建目标状态变量,并采用TS模糊模型确定增益系数,根据横向误差和道路曲率确定增益后的Q权重矩阵和R权重矩阵,实现实时变换矩阵,根据Q权重矩阵、R权重矩阵以及离散化的状态空间模型确定最优反馈控制序列,根据最优反馈控制序列和目标状态变量确定目标控制量,根据目标控制量对无人矿车进行控制。通过上述方式,使得无人矿车在轨迹跟踪时提前给出控制量,提升了无人驾驶矿车轨迹跟踪控制的精确性。

    基于开普勒优化-神经网络PID的电子离合器位置控制法

    公开(公告)号:CN118244616A

    公开(公告)日:2024-06-25

    申请号:CN202410235401.9

    申请日:2024-03-01

    Applicant: 同济大学

    Abstract: 本发明提出了一种基于开普勒优化‑神经网络PID的电子离合器位置控制法,包括以下步骤:步骤1、获取历史输入集和历史输出集;步骤2、建立并对循环神经网络模型进行初始化,之后利用步骤1中的训练集训练循环神经网络模型;步骤3、利用开普勒优化算法KOA修正各层权重矩阵U、V和W,得到优化的循环神经网络模型;步骤4、对电子离合器当前时刻的位置误差e(x)进行采样并处理,获得当前采样数据,将当前采样数据输入至步骤3优化的循环神经网络模型,优化的循环神经网络模型输出当前时刻的PID控制器中的比例系数Kp、积分系数Ki、微分系数Kd;步骤5、PID控制器根据当前时刻的比例系数Kp、积分系数Ki、微分系数Kd,计算控制量以对电子离合器的位置进行控制。本发明能在解空间中快速收敛到全局最优解,避免陷入局部最优,从而提高电子离合器位置控制的精确性和稳定性。

    具有DCT车辆的行驶工况的识别及换挡控制优化方法

    公开(公告)号:CN118030829A

    公开(公告)日:2024-05-14

    申请号:CN202410225681.5

    申请日:2024-02-29

    Applicant: 同济大学

    Abstract: 本发明公开一种具有双离合变速器DCT的车辆的行驶工况的识别及换挡控制优化方法,采用KPCA对车辆行驶过程中通过CAN总线采集的行驶数据进行筛选并降维,以优化模型的输入变量,搭建长短时记忆递归神经网络模型,并利用快速收敛狼群算法对递归神经网络模型中的超参数进行自适应寻优,将优化后的最优超参数带入递归神经网络模型中对车辆当前行驶工况进行分类和辨识,制定合适的换挡曲线修正系数,对频繁换挡和意外换挡情况进行优化,减少车辆在行驶过程中因为节气门开度或车速频繁变化导致换挡点穿过换挡曲线的次数。本发明的优点是减少频繁换挡,提高乘坐舒适性。

Patent Agency Ranking