同济大学专利

摘要：

摘要：本发明涉及一种基于数据机理融合的自动驾驶类人安全自进化方法和系统，方法包括：从历史经验数据中，提取真实人类驾驶数据特征，通过最大熵逆强化学习算法，迭代提取出与该驾驶员决策习惯和规划习惯的目标函数；实时从交通环境中采样，获取环境信息，构建包括当前状态、动作、奖励和下一时刻状态的经验回访池，构建Q价值神经网络，从经验回访池抽取数据，对Q价值神经网络进行迭代更新，获取拟人化约束；建立车辆模型，并代入当前时刻的环境信息，构建车辆执行器约束，结合车辆模型、拟人化目标函数和拟人化约束进行搜索求解，获取车辆控制信息。与现有技术相比，本发明使得自动驾驶汽车具有自学习性和适应性，能实现安全、高效、舒适地驾驶。

摘要：

摘要：

摘要：

摘要：本发明涉及一种智能网联拖挂货车编队控制方法，包括：分别确定纵向控制器设计方案以及横向控制器设计方案；基于横向及纵向控制器的系统动态，构建并求解模型预测控制优化问题；基于PreScan软件和Trucksim软件，搭建拖挂货车协同仿真平台；设计多维度的仿真测试方案，在拖挂货车协同仿真平台进行仿真测试，得到仿真实验结果；根据仿真实验结果，筛选出关键影响因子，作为系统运行域的分析参数；采用雷达图方法，确定出多因子的系统运行域，完成编队控制器设计，利用设计的编队控制器进行车辆编队控制。与现有技术相比，本发明能够实现在多种因素组合下的重载拖挂货车横纵向一体化编队，且有效提高编队控制的精度以及鲁棒性。

摘要：本发明公开了一种考虑电池更换和混合时间窗约束的电动车路径优化方法，包括以下步骤：采集汽车装配线的基础数据和生产计划信息；建立电动配送小车的信息模型；建立考虑电池更换和混合时间窗约束的电动车路径优化问题的目标函数；确定优化过程的约束条件；采用整数编码表示优化问题的解；采用基于莱维飞行和粒子滤波强化的多目标鲸鱼优化算法求解所述目标函数，确定最优的电动车配送路径方案。与现有技术相比，本发明在物料配送过程中，充分考虑了电动车行驶里程有限的问题，同时考虑了环境和经济利益需求，从而提高生产的可持续性。

摘要：

摘要：本发明涉及一种基于多元信息融合的插电式混合动力汽车能量管理方法，包括：获取自适应模糊推理系统模型、车速序列预测模型和SOC参考轨迹估计器；实时计算当前时刻变速箱传动比、未来有限时域内的车速预测序列和未来有限时域内的SOC终值，基于庞特里亚金极小值原理进行有限时域内的滚动优化，得到该时域内的参考协态变量；若滚动优化有解，则利用参考协态变量在后续控制域内进行开环庞特里亚金极小值优化，得到相应的控制集，若滚动优化无解，则执行SOC跟随策略。与现有技术相比，本发明将变速箱传动比选取和转矩分配共同纳入能量管理的范畴，并融合多元行驶信息，提出了滚动优化与SOC跟随双层策略，有效提高了插电式混合动力汽车能量管理策略效果。

摘要：