公开(公告)号：CN117389168A

公开(公告)日：2024-01-12

申请号：CN202311484379.3

申请日：2023-11-09

Applicant: 吉林大学

Inventor： 赵健 ,  王帅 ,  朱冰 ,  王泰琪 ,  程驰 ,  周文博 ,  张锡智 ,  李函聪 ,  杨轶群

IPC: G05B17/02

Abstract: 本发明提供一种基于扩张状态观测器的车辆横向轨迹跟踪反步控制方法，利用反步控制器实时获取扩张状态观测器观测到的参数误差和外部扰动，将所述参数误差和外部扰动输入到反步控制器中，使反步控制器根据参数误差和外部扰动，输出控制信号对车辆的前轮转向角进行控制。所述的反步控制器有着强鲁棒性、可处理多变量系统、处理能力要求小等优势；所述的扩张状态观测器可以观测出车辆路径跟踪时的不确定性参数和外部扰动的具体数值，融入到控制方法中让路径跟踪的效果更好。本发明的反步控制器和扩张状态观测器的结合控制车辆的路径跟踪，可以使得实际路径和期望路径的误差很快的收敛到零，保证车辆准确的沿着期望路径移动，且具有很强的鲁棒性。

公开(公告)号：CN119167802B

公开(公告)日：2025-02-14

申请号：CN202411668014.0

申请日：2024-11-21

Applicant: 吉林大学

Inventor： 朱冰 ,  汤瑞 ,  赵健 ,  张培兴 ,  李文旭 ,  曹昕然 ,  王帅 ,  张锡智 ,  赵晓哲

IPC: G06F30/27 ,  G06F18/20 ,  G06N20/00

Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于分层强化架构的智能汽车边缘场景生成方法。包括以下步骤：步骤一、处理自然驾驶数据，构建初始测试环境；步骤二、建立风险冲突预测方法；步骤三、建立测试场景评价方法，包含碰撞合理性评价与时空相似性评价；步骤四、构建基于索引管理的场景库；步骤五、构建基本强化学习环境，搭建静态环境与基础接口；步骤六、场景分层调度时期划分，基于场景特征划分测试时期；步骤七、奖励机制与动作策略优化，根据场景时期与车辆行为进行调整；步骤八、模型训练应用与场景数据输出。最终实现边缘场景的多样性生成，突破了局部收敛难题，提高了边缘场景发掘效率。

公开(公告)号：CN118627589A

公开(公告)日：2024-09-10

申请号：CN202410658112.X

申请日：2024-05-27

Applicant: 吉林大学

Inventor： 赵健 ,  张锡智 ,  朱冰 ,  陈志成 ,  刘彦辰 ,  黄沐寒 ,  李响

IPC: G06N3/096 ,  B60W40/06 ,  G06F18/2415

Abstract: 本发明属于新能源汽车技术领域，具体的说是一种面向车型适配的智能地形识别迁移学习方法与系统。本发明首先配置不同车型的车辆固有参数并将其作为输入层，然后采集原始行驶数据作为第一行驶数据，对第一行驶数据进行预处理后得到第二行驶数据，进一步对第二行驶数据按地形划分取值范围，获得行驶数据地形数组，即输出层。然后将输入层数据与输出层数据经过深度神经网络训练后获得二者之间的映射关系，即车辆固有参数与行驶数据之间的映射关系。当车型发生变化时，只需获取新车型的车辆固有参数即可得到新车型行驶数据地形数组。新车型行驶过程中，采集新车型原始行驶数据作为新车型第一行驶数据，并对新车型第一行驶数据进行预处理，获得新车型第二行驶数据。然后将新车型第二行驶数据与新车型行驶数据地形数组进行比对，输出概率最大的地形类别作为地形识别结果。本发明所提出方法，考虑了车型发生变化时地形识别方案的泛化性能。当车型发生变化时，此功能可根据需求迁移至其他车型使用，提高了驾驶舒适性以及开发效率。

公开(公告)号：CN117193323A

公开(公告)日：2023-12-08

申请号：CN202311336195.2

申请日：2023-10-16

Applicant: 吉林大学

Inventor： 赵健 ,  王帅 ,  朱冰 ,  刘浩森 ,  王泰琪 ,  李函聪 ,  吕超 ,  张锡智 ,  李孟强 ,  程驰

IPC: G05D1/02

Abstract: 本发明提供一种基于扩张状态观测器的车辆路径跟踪终端滑模控制方法，利用非奇异终端滑模控制器实时获取扩张状态观测器观测到的参数误差和外部扰动，将所述参数误差和外部扰动输入非奇异终端滑模控制器中，使非奇异终端滑模控制器根据参数误差和外部扰动，输出控制信号对车辆的前轮转向角进行控制。本发明非奇异终端滑模控制器有着响应快、有限时间内收敛、稳态跟踪精度高等多种优势；扩张状态观测器可以观测出车辆路径跟踪时的不确定性参数和外部干扰的具体数值，融入到控制算法中让路径跟踪的效果更好。本发明可以使得实际路径和期望路径的误差很快的收敛到零，保证车辆准确的沿着期望路径移动，且具有很强的鲁棒性。

公开(公告)号：CN119167802A

公开(公告)日：2024-12-20

申请号：CN202411668014.0

申请日：2024-11-21

Applicant: 吉林大学

Inventor： 朱冰 ,  汤瑞 ,  赵健 ,  张培兴 ,  李文旭 ,  曹昕然 ,  王帅 ,  张锡智 ,  赵晓哲

IPC: G06F30/27 ,  G06F18/20 ,  G06N20/00

Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于分层强化架构的智能汽车边缘场景生成方法。包括以下步骤：步骤一、处理自然驾驶数据，构建初始测试环境；步骤二、建立风险冲突预测方法；步骤三、建立测试场景评价方法，包含碰撞合理性评价与时空相似性评价；步骤四、构建基于索引管理的场景库；步骤五、构建基本强化学习环境，搭建静态环境与基础接口；步骤六、场景分层调度时期划分，基于场景特征划分测试时期；步骤七、奖励机制与动作策略优化，根据场景时期与车辆行为进行调整；步骤八、模型训练应用与场景数据输出。最终实现边缘场景的多样性生成，突破了局部收敛难题，提高了边缘场景发掘效率。