同济大学专利

摘要：

摘要：

摘要：本发明涉及一种基于自然驾驶实验的智能汽车交通场景事件链重构方法，具体包括以下步骤：S1、基于自然驾驶实验，获取主体车辆及主体车辆的周围车辆的行驶数据，并标记周围车辆；S2、根据时空边界，以及主体车辆与标记的周围车辆的相对关系，获取原始的交通参与者事件链；S3、确定主体车辆与周围车辆的处理优先级，对原始的交通参与者事件链进行分层处理，得到主体车辆和周围车辆的数据检测故障；S4、根据主体车辆和周围车辆的数据检测故障，通过数据驱动与模型驱动的方法进行数据修复，重构交通参与者事件链，实现对交通场景的复现。与现有技术相比，本发明具有场景复原的精度较高、有效解决事件链数据中数据缺失、数据精度不足的问题等优点。

摘要：本实用新型公开了一种降低汽车后侧窗风振噪声的装置，其包括：盖板，设置在汽车的车身立柱的外侧面上，所述盖板的一侧与所述车身立柱相链接，所述盖板的另一侧能够相对于所述车身立柱进行旋转；驱动机构，与汽车后侧窗的升降玻璃相连接，所述升降玻璃通过升降滑轨与所述车身立柱相连接，复位机构，与所述盖板和车身立柱相连接，当所述升降玻璃上升时，所述复位机构能够驱动所述盖板的另一侧向内旋转，使所述盖板的外表面与所述车身立柱外表面相齐平。本实用新型能引导气流的方向，使得气流不直接作用到汽车后侧窗上，其降低风噪声和车内风振声，提高了汽车的舒适性，降低开汽车后侧窗时的空气阻力，且无需额外控制系统，其成本低、结构简单。(ESM)同样的发明创造已同日申请发明专利

摘要：本发明涉及一种应用势能场理论进行自动驾驶车辆的换道轨迹规划算法，应用于复杂道路环境下的自动驾驶换道轨迹规划。通过考虑环境车辆的位置影响，与车辆运动趋势构建车辆风险的势能场模型；对道路环境中车道线和道路边界势能场分别采用高斯分布和反比函数描述。在势能场的基础上，标定车辆不可接受的最小风险阈值，划分车辆轨迹不可侵入区域，采用A‑star启发式搜索算法搜索风险值最小的路径。本发明采用自适应模型预测控制的方法求解车辆的实际轨迹，实现对规划轨迹的跟踪。本发明提高了自动驾驶换道轨迹规划对复杂道路与交通环境的适应能力。

摘要：本发明涉及一种带有监督机制的智能电动汽车漂移入库分段式控制方法，包括以下步骤：1)采用路径规划器规划漂移触发点接近路径，并对规划的路径进行监督监测，完成车辆向漂移触发点的接近，达到漂移触发状态；2)当车辆达到漂移触发状态时即触发漂移动作，在通过甩尾试验得到的漂移开环控制器的控制下完成漂移过程，最终停入期望库位，实现车辆期望状态和位置的准确跟踪。与现有技术相比，本发明具有提高控制精度、实现无人驾驶漂移入库、失效监测策略完善等优点。

摘要：本发明涉及聚乙烯醇‑有机膦酸@石墨烯基体膜、多层膜及其制备方法，包括以下步骤：使用有机膦酸对石墨烯表面进行改性，形成有机膦酸@石墨烯杂化物；将有机膦酸@石墨烯杂化物均匀分散在聚乙烯醇膜中，生成聚乙烯醇‑有机膦酸@石墨烯基体膜；通过层层组装技术将石墨烯层定向地排列在聚乙烯醇‑有机膦酸@石墨烯基体膜之间，形成连续定向导热通道，从而制备出高导热高阻燃聚乙烯醇‑有机膦酸@石墨烯/石墨烯多层膜。本发明工艺简单，绿色环保，易于规模化生产，制备的聚乙烯醇‑有机膦酸@石墨烯/石墨烯多层膜具有超高的导热系数，同时阻燃性能优异，可应用在汽车零部件、家电、电子元件等领域。

摘要：本发明涉及一种基于深度强化学习的智能电动汽车漂移入库控制方法，包括以下步骤：1)构建用于深度强化学习的车辆动力学模型以及轮胎力饱和工况下的轮胎模型；2)采用面向漂移入库控制的TD3算法实现智能电动汽车漂移入库。与现有技术相比，本发明控制精度高、鲁棒性好，能够使车辆准确完成漂移入库动作，并且在漂移过程中可以通过不断调节方向盘转角来使车辆准确到达库位，而且在车辆漂移的过程中可主动改变库位的中心位置，使车辆向更新后的库位位置漂移。

摘要：本发明涉及一种货运列车空重车分级调整装置及调整方法，该装置包括：空重车调整模块：用于根据接收到气压供给模块提供的空气压力，实现空重车制动力的多级调控；气压供给模块：包括多个级联的附加风缸，用以提供不同气压级的空气；气压调节模块：用以通过控制电磁阀的通断实现对应的附加风缸与空重车调整模块的连通；电子控制模块：用以根据当前车厢的载重情况控制电磁阀的通断。与现有技术相比，本发明利用原有货运列车自动式空气制动系统，利用弱电控制实现货运列车空重车的调整，适应现有长大货运、不同荷载车辆混编制动力调整，不会大幅改变现有的制动控制模式，适合对当前的货运系统进行改造，具有适应性强、操作简便、性能可靠等优点。

摘要：本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值MNN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值MDynamic(k)；4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k)，以及上一采样时刻整车质量的最终估计值MFusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值MFusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。