-
公开(公告)号：CN113325691A
公开(公告)日：2021-08-31
申请号：CN202110477935.9
申请日：2021-04-29
Applicant: 西安交通大学
IPC: G05B11/42
Abstract: 本发明提出了一种无人车双闭环纵向控制方法、系统及设备，计算速度和加速度的平滑参考；根据原始速度指令变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考基于速度外环—加速度内环的双闭环PID控制器，PID速度环引入平滑前馈，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；PID加速度‑油门环引入模糊逻辑，自适应调节参数，得到基于模糊逻辑的PID控制变量；采用重心法对模糊控制器输出变量去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度‑油门环PID参数，适用于无人驾驶汽车，能在不依赖动力学建模的条件下，实现准确、平稳和舒适的纵向控制效果。
-
公开(公告)号：CN113325691B
公开(公告)日：2022-07-12
申请号：CN202110477935.9
申请日：2021-04-29
Applicant: 西安交通大学
IPC: G05B11/42
Abstract: 本发明提出了一种无人车双闭环纵向控制方法、系统及设备，计算速度和加速度的平滑参考；根据原始速度指令变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考基于速度外环—加速度内环的双闭环PID控制器，PID速度环引入平滑前馈，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；PID加速度‑油门环引入模糊逻辑，自适应调节参数，得到基于模糊逻辑的PID控制变量；采用重心法对模糊控制器输出变量去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度‑油门环PID参数，适用于无人驾驶汽车，能在不依赖动力学建模的条件下，实现准确、平稳和舒适的纵向控制效果。
-
公开(公告)号：CN114954498B
公开(公告)日：2025-01-07
申请号：CN202210602932.8
申请日：2022-05-30
Applicant: 西安交通大学
Abstract: 本发明提出了一种基于模仿学习初始化的强化学习换道行为规划方法及系统，通过将周围车辆的变形位姿和模糊速度通过渐变色映射到栅格图上，并将具有清晰信息的交通规则和道路状况使用向量表示，将两者连接输入模仿学习DAgger网络，使自动驾驶车辆学会遵守交通规则和基本的换道决策；再利用强化学习优化模仿学习换道机制，使其适应模仿学习数据集中没有的极端和未知交通场景；可以从车辆相互作用的驱动机制和环境中学习潜在的换道驾驶机制，简化人工驾驶建模，对变道场景的动态变化具有良好的适应性，对变道任务采用动态混合奖励机制；引入一种基于模仿学习的强化学习初始化方法，解决稀疏奖励下强化学习学习效率低的问题，只需要少量的场景数据。
-
公开(公告)号：CN114954498A
公开(公告)日：2022-08-30
申请号：CN202210602932.8
申请日：2022-05-30
Applicant: 西安交通大学
Abstract: 本发明提出了一种基于模仿学习初始化的强化学习换道行为规划方法及系统，通过将周围车辆的变形位姿和模糊速度通过渐变色映射到栅格图上，并将具有清晰信息的交通规则和道路状况使用向量表示，将两者连接输入模仿学习DAgger网络，使自动驾驶车辆学会遵守交通规则和基本的换道决策；再利用强化学习优化模仿学习换道机制，使其适应模仿学习数据集中没有的极端和未知交通场景；可以从车辆相互作用的驱动机制和环境中学习潜在的换道驾驶机制，简化人工驾驶建模，对变道场景的动态变化具有良好的适应性，对变道任务采用动态混合奖励机制；引入一种基于模仿学习的强化学习初始化方法，解决稀疏奖励下强化学习学习效率低的问题，只需要少量的场景数据。
-
-
-
Search Results
4
records
(took 0.016 seconds)
