-
Patent Agency Ranking
公开(公告)号：CN115179779B
公开(公告)日：2025-02-25
申请号：CN202210867028.X
申请日：2022-07-22
Applicant: 福州大学
IPC: B60L50/75 , B60L58/40 , B60L15/20 , G06F18/2431 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明提出一种融合行驶道路多维信息空间化的智能驾驶燃料电池汽车控制方法，包括以下步骤：获取决策规划输出的目标车速，采集车辆状态信息与电池数据信息；通过基于VGG16的道路识别卷积神经网络，建立时变驾驶环境模型估计出实时道路附着系数以及最佳滑移率，计算出当前路面最大的加、减速度；通过大脑情感学习输出达到目标车速需要的加、减速度，并由当前加、减速度限制，通过油门刹车标定表获取油门、刹车踏板开度，以达到目标车速；构建适用于九维状态空间和三维动作空间的多维立体控制网络，提出基于深度Q网络的能量管理策略；本发明融合多维信息，并运用电机转速微调策略以及分配动力源功率，具有良好的速度跟踪精度、环境自适应性和经济性。
-
公开(公告)号：CN115179959B
公开(公告)日：2024-08-02
申请号：CN202210839912.2
申请日：2022-07-18
Applicant: 福州大学
Abstract: 本发明提出一种基于行驶道路自适应更新阈值的智能驾驶车辆行为预测方法，基于车辆感知系统获取当前驾驶环境中的道路结构实体；从自车感知范围内筛选出目标车辆；基于选定的目标车辆，选取周边交互车辆；输入目标车辆行驶状态信息以及周围环境信息到车辆行为预测模型，获得各个行为动作的概率矩阵；根据目标车辆周围交互车辆信息，计算碰撞时间TTC和制动时间TTB用于评估各车道交通状况。根据评估结果更新各个行为动作的确信阈值修正系数，并输出修正后的预测行为结果。本发明能够结合周围变化的道路环境，优化目标车辆以及交互车辆的选择，自适应更新确信阈值，提高车辆行为预测的精确性。
-
公开(公告)号：CN116853245A
公开(公告)日：2023-10-10
申请号：CN202310945210.7
申请日：2023-07-31
Applicant: 福州大学
IPC: B60W30/165 , B60W20/00
Abstract: 本发明提出队列管理和自适应巡航控制的PHEV混合车辆群优化控制方法，控制方法包括以下步骤；步骤一、通过多个特征参数聚类多种工况的驾驶数据确定数类驾驶风格；步骤二、根据获取车辆状态信息和周围环境信息确定车辆变道安全区域；步骤三、在自适应巡航控制中，基于安全性、舒适性约束车辆间距、车速和加速度，并且在制动时合理回收制动能量；接近交叉路口时，队列再次重组，使车辆群有序通过；步骤四、基于Soft Actor‑Critic强化学习算法训练环境中的样本数据，根据设定的损失函数不断迭代更新，最后得到能使车辆群在不多于三车道的道路上根据不同驾驶员的驾驶风格重组队列的最优策略；本发明能够根据驾驶员的驾驶意图合理规划车辆队列，使车队高效地行驶。
-
公开(公告)号：CN115179959A
公开(公告)日：2022-10-14
申请号：CN202210839912.2
申请日：2022-07-18
Applicant: 福州大学
Abstract: 本发明提出一种基于行驶道路自适应更新阈值的智能驾驶车辆行为预测方法，基于车辆感知系统获取当前驾驶环境中的道路结构实体；从自车感知范围内筛选出目标车辆；基于选定的目标车辆，选取周边交互车辆；输入目标车辆行驶状态信息以及周围环境信息到车辆行为预测模型，获得各个行为动作的概率矩阵；根据目标车辆周围交互车辆信息，计算碰撞时间TTC和制动时间TTB用于评估各车道交通状况。根据评估结果更新各个行为动作的确信阈值修正系数，并输出修正后的预测行为结果。本发明能够结合周围变化的道路环境，优化目标车辆以及交互车辆的选择，自适应更新确信阈值，提高车辆行为预测的精确性。
-
公开(公告)号：CN115179779A
公开(公告)日：2022-10-14
申请号：CN202210867028.X
申请日：2022-07-22
Applicant: 福州大学
Abstract: 本发明提出一种融合行驶道路多维信息空间化的智能驾驶燃料电池汽车控制方法，包括以下步骤：获取决策规划输出的目标车速，采集车辆状态信息与电池数据信息；通过基于VGG16的道路识别卷积神经网络，建立时变驾驶环境模型估计出实时道路附着系数以及最佳滑移率，计算出当前路面最大的加、减速度；通过大脑情感学习输出达到目标车速需要的加、减速度，并由当前加、减速度限制，通过油门刹车标定表获取油门、刹车踏板开度，以达到目标车速；构建适用于九维状态空间和三维动作空间的多维立体控制网络，提出基于深度Q网络的能量管理策略；本发明融合多维信息，并运用电机转速微调策略以及分配动力源功率，具有良好的速度跟踪精度、环境自适应性和经济性。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
