同济大学专利

摘要：本发明涉及一种考虑空气质量的电动汽车车舱热管理方法，方法包括：获取当前时刻的电动汽车的状态反馈数据、驾驶数据和环境信息，基于泰勒一阶展开获得预测时域内车舱内部质量估计温度轨迹和壁面估计温度轨迹；设置上层空调系统优化问题，上层控制器最小化上层优化目标，求解得到上层最优温度序列和上层最优新风速率序列；建立下层空调系统优化问题下层控制器最小化下层优化目标，求解得到下层最优温度序列；将上层最优新风速率序列和下层最优制冷量序列第一个值作为输出控制电动汽车车舱空调暖通系统。与现有技术相比，本发明具有平衡空调系统热负荷和降低HVAC系统能耗等优点。

摘要：本发明涉及一种基于深度强化学习的信号灯路口互联汽车加速度轨迹规划方法，包括以下步骤：构建车辆动力学模型和信号灯控制模型；当互联汽车进入控制区域时，根据车辆信息以及道路信息判断当前车辆是否可以在最近绿灯区间且在道路限速下通过路口，若可以，则执行下一步；构建深度强化学习框架，定义马尔科夫过程并设置神经网络；根据车辆动力学模型、信号灯控制模型和深度强化学习算法对神经网络进行训练，直至达到预设的训练终止条件，完成训练，得到加速度控制策略；将加速度控制策略发送至互联汽车，互联汽车执行加速度控制策略，按既定目标通过路口。与现有技术相比，本发明具有安全性好、通行时间短、适用范围广等优点。

摘要：本申请涉及自动驾驶技术领域，特别涉及一种基于强化学习驾驶世界模型的端到端自动驾驶方法及系统，该方法包括以下步骤：首先，以汽车前视相机作为输入图像，基于生成式世界模型，得到环境有效交通信息；汽车前视相机为单目相机；接下来，模拟线虫神经网络，建立类脑神经回路网络；最后，将环境有效交通信息输入至类脑神经回路网络，得到自动驾驶的控制输出。本申请通过利用汽车前视相机作为输入，采用生成式驾驶世界模型提取与存储环境动力学信息，并模拟线虫神经系统建立类脑神经网络结构来取代传统强化学习中的感知机网络或者卷积网络，通过与环境不断交互，训练强化学习车辆智能体，从而完成端到端自动驾驶任务。

摘要：本发明涉及一种基于智能汽车传感和执行器的可重构主动安全控制方法，包括以下步骤：基于智能汽车自身车载传感器和路侧设备获取智能汽车行驶信息；构建可重构控制模块，可重构控制模块包括可重构动力学模型构建模块、可重构参数/状态辨识模块和可重构控制参数调整模块；利用可重构控制模块对智能汽车行驶信息进行处理，生成作用于智能汽车执行器的控制指令；获取执行器执行控制指令后的智能汽车行驶信息并反馈给可重构控制模块。与现有技术相比，本发明基于可重构概念，通过分析主动安全系统各环节之间的耦合机理，提出具有容错控制能力且不依赖于具体车辆配置的智能汽车主动安全控制方法，将大大降低主动安全系统结构复杂性并提高主动安全性能。

摘要：本实用新型涉及一种埋地喷水装置，所述埋地喷水装置包括喷头、舱盖、舱盒和底座；所述舱盒通过螺纹连接于底座上；所述舱盒包括上下对应设置的接喷头螺纹和接供水管螺纹；所述喷头通过舱盒上设置的接喷头螺纹固定在舱盒上；所述舱盖中间设有镂空部；所述喷头表面低于舱盖表面；所述舱盒侧壁设有凸点，所述舱盖反面设有凹槽，所述凹槽与凸点配合；所述舱盖和舱盒固定连接。与现有技术相比，本实用新型的埋地喷水装置可以安装于道路中间，舱盖可以承受汽车碾压而不会损坏，在舱盖中心镂空处装有喷水喷头，喷头表面低于舱盖表面，从而避免喷头被汽车压坏，舱盖和舱盒的连接方式便于打开舱盖，更换新喷头，检修十分方便。

摘要：本实用新型涉及一种沥青混合料动态水稳定性试验装置，试验装置包括三轴室(1)和分别与三轴室(1)相连的水温控制模块(2)和水压控制模块(3)，三轴室(1)包括置于三轴室底座(10)上的试验承台(11)，试验承台(11)上放置沥青混合料试样，水压控制模块(3)的水压检测口(30)和三轴室底座(10)的水循环入水口(100)连接，水温控制模块(2)上设置有水温传感器(20)。与现有技术相比，本实用新型具有很好地模拟了高速行驶汽车对路面的空隙水压力；充分考虑了水温对沥青混合料水稳定性的影响；装置操作简单易行，可容纳较多试样，试验时间缩短。

摘要：本发明涉及一种可自动切换模式的轮边电驱动系统及控制方法，端盖与壳体固连，制动机构安装在端盖上；太阳轮的轴向方向上依次连接制动机构、超越离合器和传动机构，电机机构与超越离合器相连，制动机构连接端盖；传动机构连接太阳轮和辅驱车轮轮辋；当电机机构提供的转速大于超越离合器内圈的转速时，超越离合器传递动力，通过太阳轮和传动机构将动力传递至辅驱车轮轮辋；当超越离合器内圈的转速大于电机机构提供的转速时，超越离合器不传递动力。与现有技术相比，本发明的加入可以为整车提供一种灵活的动力方案，在不同工况需求下辅驱系统切换不同模式，与主驱系统灵活适配、动态调节，以提高车辆的动力性、经济性和可靠性。

摘要：本发明涉及一种车道控制轨迹个性化偏好学习方法、控制方法及装置，其中，学习方法包括：获取车道控制轨迹集合；从车道控制轨迹集合中选择两条控制轨迹进行实施，获取被试者对这两条轨迹的偏好轨迹，并提取选择的两条控制轨迹的特征信息，根据特征信息和被试者偏好轨迹对驾驶员偏好模型的参数进行修正，所述驾驶员偏好模型的参数包括感知系数和权重阵列；若修正后的驾驶员偏好模型输出偏好轨迹和被试者的偏好轨迹的比对结果为一致，则累计一次累计标记值，反之，则将累计标记值归零；当累计标记值大于预设定的第一阈值时，保存当前的驾驶员偏好模型的参数。与现有技术相比，本发明具有准确性高且学习速度快等优点。

摘要：本发明涉及一种基于声学黑洞的汽车侧窗玻璃结构及其隔声分析方法，包括汽车侧窗玻璃主体，汽车侧窗玻璃主体上设有声学黑洞阵列，该声学黑洞阵列包括多个阵列式分布的声学黑洞单胞，声学黑洞阵列位于汽车侧窗玻璃主体的车门内区域，各个声学黑洞单胞的中心均设有阻尼层，声学黑洞单胞为单层声学黑洞单胞或双层声学黑洞单胞；隔声分析方法包括采用有限元软件对侧窗玻璃结构进行点激励下速度响应分析和模态振型分析，验证声学黑洞效应；建立FE‑SEA隔声模型，分析侧窗玻璃结构隔声性能等。与现有技术相比，本发明具有更优的隔声性能，能够大幅提升吻合频率处的隔声量，且能起到减重效果。

摘要：本发明涉及一种自动驾驶汽车边界条件下的实车测试系统及其方法，该系统包括分别与工控机通信连接的被测车、气球车模组和牵引车模组，其中，气球车模组包括设置于滑轨上的气球车，气球车上安装有舵机和牵引装置，牵引车模组包括牵引车，气球车位于被测车与牵引车之间，被测车、牵引车分别通过铰链与滑轨相连接；工控机用于获取被测车的速度信息、牵引车的速度信息、滑轨所受拉力和压力信息、滑轨角度信息以及气球车的位置和速度信息，并进行处理分析，以输出对应控制信号给气球车模组及牵引车模组，从而控制气球车及牵引车的运动状态，以及分析记录测试结果。与现有技术相比，本发明能够丰富测试场景、提高车辆复位效率，且不依赖于GPS定位。