-
公开(公告)号：CN112498354A
公开(公告)日：2021-03-16
申请号：CN202011561553.6
申请日：2020-12-25
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种考虑个性化驾驶体验的多时间尺度自学习变道方法，按以下步骤进行：第一步骤是预备；第二步骤是离线学习；第三步骤是在线运行；电控装置通过多时间尺度自学习算法控制宿主车辆进行L4级自动驾驶并在线学习驾驶员的驾驶习惯，根据驾驶员的驾驶习惯更新个性化驾驶经验数据集、多时间尺度神经网络、多时间尺度自学习算法本身、变道模型和奖励函数，通过马尔可夫决策变道模型引入转移概率捕捉变化个体之间以及个体内部的变异，使电控装置对变道的自动控制输出逐渐接近宿主车辆驾驶员本身的驾驶习惯，提高驾驶体验。本发明采用离线策略和在线策略相结合的学习结构，既考虑了一般性，又考虑了特殊性，非常符合L4级智能驾驶的特点。
-
公开(公告)号：CN119428389A
公开(公告)日：2025-02-14
申请号：CN202411832056.3
申请日：2024-12-12
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种防晕车半主动座椅带阻滤波控制方法，首先建立了车辆座椅悬架系统二自由度模型，并设计了座椅悬架主动控制系统，使其满足以下约束条件：座椅悬架动行程不超过最大许用行程，并且控制力小于作动器的最大输出控制力。为了有效减少因座椅振动引起的晕车症状，本发明还建立了抑制座椅在人体敏感的频率范围内振动的目标函数，设计频率加权的滑模控制算法，通过控制律精确调节磁流变阻尼器的阻尼系数，针对0.1‑0.5Hz频率范围内的低频振动进行抑制，提升乘坐舒适性，并减少晕动症的发生。
-
Patent Agency Ranking
公开(公告)号：CN118322769A
公开(公告)日：2024-07-12
申请号：CN202410518161.3
申请日：2024-04-28
Applicant: 郑州轻工业大学
IPC: B60G17/018
Abstract: 本发明公开了一种防晕车的主动悬架鲁棒遗传控制方法，建立了考虑轴距预瞄的车辆四自由度悬架模型，发明设计的悬架满足动行程不超过最大许用行程、车轮与地面保持良好接触和控制力应小于作动器最大输出控制力等约束条件，同时建立了防止驾驶员和乘客的晕车目标函数，基于线性矩阵不等式的方法求取状态输出反馈控制增益，设计了通过遗传算法优化的有限频域鲁棒控制方法，从而得到鲁棒控制的最佳参数，使主动悬架对路面激励在晕动频率区间内的控制性能最好，提升乘坐舒适性和车辆行驶平顺性。
-
公开(公告)号：CN113978470B
公开(公告)日：2024-01-12
申请号：CN202111522483.8
申请日：2021-12-13
Applicant: 郑州轻工业大学
Abstract: ECU，因而实现成本极低，具有非常高的推广应用本发明公开了一种轮胎与路面摩擦力在线 价值。快速估计方法，第一子步骤至第五子步骤构成一个计算循环，将上一计算循环中得到的值，作为下一计算循环中公式四、公式七和公式八中的值；重复进行第一子步骤至第五子步骤构成的计算循环，进行循环递归计算，从而在机动车的行驶过程中对轮胎与路面摩擦力进行实时在线估计。本发明的估计方法计算量小，计算速度快，循环递归计算中误差收敛速度快，结果准确，实用性强。本发明仅仅依赖车速传感器和ABS系统提
-
公开(公告)号：CN117445607A
公开(公告)日：2024-01-26
申请号：CN202311703336.X
申请日：2023-12-13
Applicant: 郑州轻工业大学
IPC: B60G17/018
Abstract: 本发明公开了一种考虑晕动约束的自动驾驶车辆主动悬架分频控制方法，该方法采用有限频域H∞控制，该控制方法在满足悬架基本约束的情况下，在人体容易晕车的频率建立一个传递函数，使得车辆在晕动区间的振动最低可以归结为最小化。可以实现在有限频域下的扰动抑制，使振动在人体晕动敏感的频率(0.1～0.5Hz)范围内被最大程度衰减。在保证安全和效率的情况下防止乘车人员感到晕车，控制车辆完成指定目标。
-
公开(公告)号：CN113978470A
公开(公告)日：2022-01-28
申请号：CN202111522483.8
申请日：2021-12-13
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种轮胎与路面摩擦力在线快速估计方法，第一子步骤至第五子步骤构成一个计算循环，将上一计算循环中得到的值，作为下一计算循环中公式四、公式七和公式八中的值；重复进行第一子步骤至第五子步骤构成的计算循环，进行循环递归计算，从而在机动车的行驶过程中对轮胎与路面摩擦力进行实时在线估计。本发明的估计方法计算量小，计算速度快，循环递归计算中误差收敛速度快，结果准确，实用性强。本发明仅仅依赖车速传感器和ABS系统提供实时车速和实时车轮滑移率即可进行计算，不需要额外增加配件成本，只需要将算法写入车载ECU，因而实现成本极低，具有非常高的推广应用价值。
-
公开(公告)号：CN112498354B
公开(公告)日：2021-11-12
申请号：CN202011561553.6
申请日：2020-12-25
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种考虑个性化驾驶体验的多时间尺度自学习变道方法，按以下步骤进行：第一步骤是预备；第二步骤是离线学习；第三步骤是在线运行；电控装置通过多时间尺度自学习算法控制宿主车辆进行L4级自动驾驶并在线学习驾驶员的驾驶习惯，根据驾驶员的驾驶习惯更新个性化驾驶经验数据集、多时间尺度神经网络、多时间尺度自学习算法本身、变道模型和奖励函数，通过马尔可夫决策变道模型引入转移概率捕捉变化个体之间以及个体内部的变异，使电控装置对变道的自动控制输出逐渐接近宿主车辆驾驶员本身的驾驶习惯，提高驾驶体验。本发明采用离线策略和在线策略相结合的学习结构，既考虑了一般性，又考虑了特殊性，非常符合L4级智能驾驶的特点。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
