-
公开(公告)号：CN119002487A
公开(公告)日：2024-11-22
申请号：CN202411089509.8
申请日：2024-08-09
Applicant: 清华大学
IPC: G05D1/43
Abstract: 本申请涉及智能驾驶技术领域，特别是涉及一种融合博弈论与预测控制的车队横向决策控制方法及装置。方法包括在期望周期内确定多个期望变道时刻；确定受控车队在每个期望变道时刻的变道成本，变道成本包括受控车队变道的行驶成本和因变道对环境车辆的影响成本，行驶成本表征变道的难易程度，影响成本表征对环境车辆通行的影响程度；将多个期望变道时刻中变道成本最低的期望变道时刻作为目标变道时刻，并确定受控车队在目标变道时刻的目标变道速度；然后基于目标变道时刻和目标变道速度控制受控车队变道。采用本方法能够减少在变道时对环境车辆通行效率的影响。
-
公开(公告)号：CN118579054A
公开(公告)日：2024-09-03
申请号：CN202410687015.3
申请日：2024-05-30
Applicant: 清华大学
IPC: B60W30/02 , B60W40/10 , B60W40/109
Abstract: 本申请涉及一种面向极限工况的车辆轨迹跟踪及稳定性控制方法。所述方法包括：根据获取到的前轮转角所在的目标转角区间，确定目标控制策略；在目标控制策略包括横摆力矩控制的情况下，基于预先建立的基于车辆系统的稳定性约束和横向约束建立的系统控制器确定总横摆力矩。最后，根据总横摆力矩确定各车轮的横摆力矩，并根据前轮转角和各车轮的横摆力矩控制车辆行驶。本申请考虑系统所受不确定性的影响，构建基于稳定性约束和横向约束的系统控制器使得车辆的控制更为精确，并且通过对前轮转角得到控制策略进行可以保证车辆在极限工况下轨迹跟踪的稳定性，使得驾驶安全性有了保障。进一步地，对车辆横摆力矩进行最优分配，保证了轮胎纵向力分配的合理性。
-
Patent Agency Ranking
公开(公告)号：CN118907072A
公开(公告)日：2024-11-08
申请号：CN202410950608.4
申请日：2024-07-16
Applicant: 清华大学
IPC: B60W30/045 , B60W50/00 , G06F30/15 , G06F119/14
Abstract: 本申请涉及一种分布式电驱动车辆集成稳定性预测控制方法和装置。所述方法包括：根据轮胎属性数据和魔术算法构建车辆的初始轮胎模型，并根据分割算法和分段仿射算法对初始轮胎模型进行分段仿射处理，得到线性轮胎模型；基于车辆的受力模型、道路附着系数和线性轮胎模型，构建车辆的目标受力模型，并根据目标受力模型确定轮胎侧偏角模型；针对速度数据集中的每一速度数据，根据轮胎侧偏角模型、前轮转角数据集、车辆属性数据集和不动点算法确定车辆在速度数据下的各前轮转角数据对应的相平面图；根据每一速度数据下的各相平面图，确定速度数据对应的稳定范围。采用本方法能够提高稳定范围的准确性。
-
公开(公告)号：CN118855333A
公开(公告)日：2024-10-29
申请号：CN202410805769.4
申请日：2024-06-21
Applicant: 清华大学
Abstract: 本申请涉及一种基于单目摄像头的车门防撞和防夹系统设计及其实现方法。所述方法包括：利用车门上设置的摄像头采集车门的边缘区域的车门图像；对车门图像中的障碍物进行识别，得到识别结果；根据识别结果，控制车门进行关闭或开启。上述方法通过在车门上设置摄像头采集车门边缘的图像，并结合图像识别算法确定车门边缘区域是否存在障碍物，实现了车门的防夹和/或防撞功能，有效保护车内乘客安全并避免车门与其他物体碰撞。
-
公开(公告)号：CN118567363A
公开(公告)日：2024-08-30
申请号：CN202410700588.5
申请日：2024-05-31
Applicant: 清华大学
IPC: G05D1/43 , G05D109/30
Abstract: 本申请涉及一种融合深度学习的无人艇模型预测控制方法和装置，该方法通过获取无人艇的目标状态数据，然后根据目标状态数据构建无人艇的优化动力学模型，以及根据优化动力学模型对无人艇的初始动力学模型进行优化，得到目标动力学模型，再根据目标动力学模型控制无人艇进行运动。上述方法通过优化动力学模型对现有的初始动力学模型进行优化，得到目标动力学模型，相比于现有的动力学模型，上述方法中利用优化后的目标动力学模型进行无人艇控制时，能够准确的实现无人艇的控制，可以一定程度上提高无人艇的动力学模型的控制精度。
-
公开(公告)号：CN118857327A
公开(公告)日：2024-10-29
申请号：CN202411057607.3
申请日：2024-08-02
Applicant: 清华大学
IPC: G01C21/34
Abstract: 本申请涉及一种基于迭代优化的环形路决策与运动规划方法及装置。所述方法包括：获取环形路的路口结构数据、以及各车辆的车辆行驶数据，并基于所述路口结构数据、以及各所述车辆行驶数据，分别构建环形路口模型、以及每个车辆的车辆行驶模型；通过轨迹迭代优化策略，生成各所述车辆的无碰撞轨迹信息，并识别每个车辆的车辆状态和车辆决策；基于每个车辆的车辆状态、车辆决策和无碰撞轨迹信息，通过环形路规划策略，生成每个车辆的初始环形路规划路线，并通过速度轨迹优化策略，调整每个车辆的初始环形路规划路线，得到每个车辆的目标环形路规划路线。采用本方法能够提升规划环形路的车辆协同路径的精准度。
-
公开(公告)号：CN118915430A
公开(公告)日：2024-11-08
申请号：CN202410803894.1
申请日：2024-06-20
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本申请涉及一种智能网联车队节能驾驶迭代学习预测控制方法和装置。方法包括：通过获取车队中目标车辆的全局优化模型以及当前的行驶信息，并根据行驶信息以及全局优化模型，可以获取目标车辆的初始控制量，然后，根据初始控制量，控制目标车辆行驶，并在目标车辆的行驶过程中，获取目标车辆的初始行驶轨迹，这样，可以根据初始行驶轨迹，获取目标车辆的初始局部优化模型，并根据初始局部优化模型，迭代优化目标车辆的行驶控制策略。采用本方法能够提高自动驾驶决策的优化性。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
