-
公开(公告)号：CN113954864A
公开(公告)日：2022-01-21
申请号：CN202111105338.X
申请日：2021-09-22
Applicant: 江苏大学
Abstract: 本发明公开了一种融合周边车辆交互信息的智能汽车轨迹预测系统及方法，属于智能驾驶技术领域。本发明提出一种考虑周边车辆交互的图卷积神经网络，弥补了现有的轨迹预测算法中未考虑周边车辆的信息交互问题。提出一种借助高清矢量地图代替鸟瞰图来提取地图信息的方式，使用矢量地图来定义车道几何形状，减小了由于分辨率问题导致的预测离散化问题。提出一种车辆和行驶场景时空关系融合的方式，引入新的车道特征来表示车辆和车道之间的广义几何关系，有效提高面对不同形状和数量的车道时轨迹预测的准确性。提出一种多Seq2Seq结构堆栈的方式来预测车辆的未来多模态轨迹和不同车道被选择的概率，改善单轨迹输出的局限性。
-
公开(公告)号：CN113406955A
公开(公告)日：2021-09-17
申请号：CN202110504041.4
申请日：2021-05-10
Applicant: 江苏大学
IPC: G05D1/02
Abstract: 本发明公开了基于复杂网络的自动驾驶汽车复杂环境模型、认知系统及认知方法，在感知自动驾驶汽车外部环境的基础上，首先，针对个体驾驶行为认知的复杂性问题，依据用于表示驾驶操控激进程度和模式转移偏好的驾驶特征参数，进行驾驶风格识别；其次，依据环境中运动主体的群体行为特征，在驾驶风格识别的基础上，基于复杂网络，以运动主体为节点，以道路为约束，建立时变复杂动态网络作为自动驾驶汽车复杂环境模型；最后，对复杂环境模型中的节点进行参数化表述，实现对复杂环境的节点差异化认知，采用凝聚算法对复杂环境模型中的节点分层，实现对复杂环境的层次化认知，建立复杂环境模型的无序程度度量方法，实现对复杂环境的全局风险态势认知。
-
公开(公告)号：CN110723207B
公开(公告)日：2021-08-03
申请号：CN201910897709.9
申请日：2019-09-23
Applicant: 江苏大学
IPC: B62D6/00
Abstract: 本发明公开了基于模型重构的智能汽车模型预测转向控制器及其控制方法，在智能感知车辆外部环境和自身参数的基础上，首先建立原模型的右逆模型，放置于原模型的左侧，对智能汽车转向模型进行重新构造，再建立原模型的左逆模型，用于观测横摆角速度参数，然后根据重新构造得到的新模型和横摆角速度观测参数，设计模型预测转向控制器，实现基于模型重构的智能汽车模型预测转向控制，提高智能汽车转向控制性能和智能化水平。本发明综合使用逆模型和模型预测控制方法，使用重构的新模型和左逆模型观测数据，合理设计模型预测控制器，目的明确，方法简单，可以方便地观测横摆角速度响应数据，抑制多干扰因素，克服未建模动态，获得高性能的控制效果。
-
公开(公告)号：CN101917150B
公开(公告)日：2012-06-20
申请号：CN201010209445.2
申请日：2010-06-24
Applicant: 江苏大学
Abstract: 本发明公开一种永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法，由内模控制器和模糊神经网络广义逆相结合组成控制复合被控对象；由2个线性传递函数和1个积分器与确定了各个参数和权系数的模糊神经网络串联构成模糊神经网络广义逆，采用模糊神经网络广义逆与复合被控对象串联构成广义伪线性系统，将PMSM线性化并解耦等效成1个二阶速度伪线性子系统和1个一阶电流伪线性子系统；将两个伪线性子系统分别引入内模控制方法构造内模控制器。本发明克服最优梯度法对初始值的依赖性和局部收敛与单纯遗传算法所带来的随机性和概率性问题，获得电机的高性能控制以及抗负载扰动和自适应性，简化了控制难度，结构简单，系统鲁棒性高。
-
公开(公告)号：CN101917150A
公开(公告)日：2010-12-15
申请号：CN201010209445.2
申请日：2010-06-24
Applicant: 江苏大学
Abstract: 本发明公开一种永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法，由内模控制器和模糊神经网络广义逆相结合组成控制复合被控对象；由2个线性传递函数和1个积分器与确定了各个参数和权系数的模糊神经网络串联构成模糊神经网络广义逆，采用模糊神经网络广义逆与复合被控对象串联构成广义伪线性系统，将PMSM线性化并解耦等效成1个二阶速度伪线性子系统和1个一阶电流伪线性子系统；将两个伪线性子系统分别引入内模控制方法构造内模控制器。本发明克服最优梯度法对初始值的依赖性和局部收敛与单纯遗传算法所带来的随机性和概率性问题，获得电机的高性能控制以及抗负载扰动和自适应性，简化了控制难度，结构简单，系统鲁棒性高。
-
Patent Agency Ranking
公开(公告)号：CN101639059A
公开(公告)日：2010-02-03
申请号：CN200910184309.X
申请日：2009-08-12
Applicant: 江苏大学
Abstract: 本发明公开了一种可实现流体输送的电动泵，机座、定子和转子各具有一个内腔，定子固定在机座的内腔中，转子位于定子的内腔中，定子绕组绕制于定子上，变频控制器连接定子绕组，永磁材料面贴或内嵌在转子外表面上，转子的内腔为泵的工作腔；本发明实现了电动机和泵的集成，不需要中间传动机构和泵壳，泵直接由电动机定子提供动力，节省了材料；转子采用永磁材料做成，不需要转子励磁和冷却风扇，提高了能量利用率；密封良好，安全无泄露；设备整体结构简单，安装空间小；通过电气控制可方便地调节流量及扬程，容易实现远程无人操作。
-
公开(公告)号：CN113936139B
公开(公告)日：2024-06-11
申请号：CN202111271617.3
申请日：2021-10-29
Applicant: 江苏大学
Abstract: 本发明公开了一种视觉深度信息与语义分割相结合的场景鸟瞰图重构方法及系统,首先通过立体匹配模型得到深度图，随后采用语义分割模型得到前置语义分割图，将深度图与语义分割图坐标变换，得到具有类别信息的伪点云，并保留其鸟瞰图视角的类别信息，最后通过深度对抗模型对于图像中的空洞区域进行填充，得到最终语义鸟瞰图。本发明利用双目摄像头，能够有效进行前方区域鸟瞰图重建，为指导后续规划控制提供有效信息；在提取语义分割信息时，采用RGB‑D语义分割算法，充分利用RGB信息与前端深度估计模型的深度信息，进一步完善语义分割信息，选用生成对抗网络进行空洞及遮挡部分的信息修复和填充，丰富鸟瞰图图像的信息，提升重构鸟瞰图图像的精度。
-
公开(公告)号：CN113954864B
公开(公告)日：2024-05-14
申请号：CN202111105338.X
申请日：2021-09-22
Applicant: 江苏大学
IPC: B60W60/00 , B60W50/00 , G06N3/042 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F18/25
Abstract: 本发明公开了一种融合周边车辆交互信息的智能汽车轨迹预测系统及方法，属于智能驾驶技术领域。本发明提出一种考虑周边车辆交互的图卷积神经网络，弥补了现有的轨迹预测算法中未考虑周边车辆的信息交互问题。提出一种借助高清矢量地图代替鸟瞰图来提取地图信息的方式，使用矢量地图来定义车道几何形状，减小了由于分辨率问题导致的预测离散化问题。提出一种车辆和行驶场景时空关系融合的方式，引入新的车道特征来表示车辆和车道之间的广义几何关系，有效提高面对不同形状和数量的车道时轨迹预测的准确性。提出一种多Seq2Seq结构堆栈的方式来预测车辆的未来多模态轨迹和不同车道被选择的概率，改善单轨迹输出的局限性。
-
公开(公告)号：CN113408047B
公开(公告)日：2024-03-22
申请号：CN202110563038.X
申请日：2021-08-05
Applicant: 江苏大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/084 , G06F119/14
Abstract: 本发明公开了一种基于时滞反馈神经网络的车辆动力学预测模型、及训练数据获取方法、训练方法，提出多道路条件下的车辆动力学虚拟及实际数据集采集方法，为车辆动力学建立模型奠定数据基础。首先基于车辆非线性动力学选择性添加不同的保真度模型，得到不同复杂程度的低保真度可解释车辆非线性动力学模型多时步虚拟数据集；其次通过高保真度车辆动力学软件CarSim获得高保真度动力学模型多时步虚拟数据；最后通过布置实际无人驾驶车辆动力学数据采集装置，以获取车辆动力学真实数据集。车辆动力学虚拟数据集的自由度选择范围广，获取成本低，降低实车数据的需求量，车辆动力学真实数据集为模型再度优化权重参数，提高实际车辆动力学预测响应的精度。
-
公开(公告)号：CN114379583A
公开(公告)日：2022-04-22
申请号：CN202111508163.7
申请日：2021-12-10
Applicant: 江苏大学
IPC: B60W60/00 , G06F30/27 , G06F30/15 , G06N3/04 , G06N3/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法，包括神经网络车辆动力学模型部分，车辆动力学数据采集部分(包括基于驾驶模拟器和虚拟仿真平台CarSim仿真数据获取过程、真实世界自动驾驶车辆数据获取)，神经网络模型的训练部分，以及模型预测控制算法设计共四部分；本发明通过将所建立的神经网络车辆动力学预测模型与模型预测控制算法相结合，相比于端到端的控制算法，所提出的控制算法具有更高的可解释性。并且在不同的道路条件下及行驶工况下可以实现期望轨迹的跟踪控制，在保证路径跟踪精度的同时，同时兼顾横纵向稳定性，为自动驾驶车辆开发高性能的运动控制器奠定。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.016 seconds)
