厦门大学王靖瑶获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉厦门大学申请的专利通信拓扑切换下基于深度强化学习的智能车编队控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115963840B 。
龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310056808.0,技术领域涉及:G05D1/43;该发明授权通信拓扑切换下基于深度强化学习的智能车编队控制方法是由王靖瑶;李迅锐;郭景华;邓醒明设计研发完成,并于2023-01-17向国家知识产权局提交的专利申请。
本通信拓扑切换下基于深度强化学习的智能车编队控制方法在说明书摘要公布了:通信拓扑切换下基于深度强化学习的智能车编队控制方法,涉及汽车智能安全与自动驾驶。1实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息;2分析车辆控制所需的算法类型,算法优化,基于图论描述智能电动车之间的信息交互形式,建立智能电动车实现编队控制的目标函数;3考虑系统在通信故障的场景,建立数据融合机制,在通信完全故障的情况下,采用AKF减少感知误差,实现多车系统的通信拓扑切换;4针对传统编队系统控制下的诸多弊端,设计一个深度强化学习过程来进行编队控制策略的迭代,得到最优控制策略。实现编队系统的数据驱动和通信拓扑切换,提高控制器的适用性和车辆的行驶综合性能,改善交通拥堵、安全隐患。
本发明授权通信拓扑切换下基于深度强化学习的智能车编队控制方法在权利要求书中公布了:1.通信拓扑切换下基于深度强化学习的智能车编队控制方法,其特征在于包括以下步骤: 1)车辆编队由N+1辆车组成,编号为0,…,N,其中0号车为领航车辆,1,…,N号车为跟随车辆;通过车载传感器以及V2X无线通信网络分别实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息; 2)分析车辆控制所需的算法类型,并对算法存在的弊端进行优化,基于图论描述智能电动车之间的信息交互形式,建立智能电动车实现编队控制的目标函数,具体步骤包括: (1)针对在复杂的实际交通场景中难以建模的特点,建立基于数据驱动的控制策略,考虑车辆的油门和刹车的控制量类型,选择深度确定性策略梯度算法; (2)在原算法的基础上,加入双网络结构解决估值网络Q值过高估计的问题,考虑到奖励稀疏,采用优先经验回放机制; (3)基于图论定义车辆编队的通信拓扑,并给出相对应的邻接矩阵和牵引矩阵的定义;建立车辆编队控制的目标函数,使编队保持恒定的期望队形; 3)考虑系统在通信故障的场景,建立数据融合机制,在通信完全故障的情况下,采用AKF减少感知误差,实现多车系统的通信拓扑切换,具体步骤包括: (1)给出影响系数,基于图论所描述的通信托扑结构,设定自车与通信车辆的速度差和距离差为状态变量,运用加权平均建立融合机制; (2)给出系统的动态通信拓扑模型,考虑传感器感知误差的影响,采用AKF方法减少感知误差,以此提高车辆控制模型的精度; (3)为了防止切换通信拓扑过程中存在的控制不平滑和加速度骤变,建立一个平滑切换拓扑的策略,实现车辆编队的平稳行驶; 4)针对传统编队系统控制下的诸多弊端,设计一个深度强化学习过程进行编队控制策略的迭代,最终得到最优控制策略; 所述设计一个深度强化学习过程进行编队控制策略的迭代,最终得到最优控制策略的具体步骤包括: (1)设计强化学习模型,应用运动学点-质量模型更新车辆状态; (2)考虑安全性、舒适性系统性能目标,设计一个多目标的奖励函数,实现车辆编队的安全、舒适和节能行驶,提高多车系统的综合性能; (3)建立分布式的编队控制模型,对算法内的神经网络进行调参,训练控制器,实时求出车辆的期望输出。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人厦门大学,其通讯地址为:361005 福建省厦门市思明区思明南路422号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。
请提出您的宝贵建议,有机会获取IP积分或其他奖励