期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混合神经网络的汽车运动状态估计
被引量:
4
1
作者
高振海
温文昊
+2 位作者
唐明弘
张建
陈国迎
《汽车工程》
EI
CSCD
北大核心
2022年第10期1527-1536,共10页
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN...
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计。基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证。结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性。
展开更多
关键词
车辆状态估计
深度学习
门控循环单元
多层感知机
混合神经网络
下载PDF
职称材料
基于LSTM概率多模态预期轨迹预测方法
被引量:
5
2
作者
高镇海
鲍明喜
+1 位作者
高菲
唐明弘
《汽车工程》
EI
CSCD
北大核心
2023年第7期1145-1152,1162,共9页
针对单模态轨迹预测无法充分表示未来预测空间以及解决轨迹预测固有的不确定性问题,本文构建了驾驶行为意图识别及交通车辆预期轨迹预测模型。驾驶行为意图识别模块识别被预测车辆车道保持、左换道、右换道、左加速换道和右加速换道的概...
针对单模态轨迹预测无法充分表示未来预测空间以及解决轨迹预测固有的不确定性问题,本文构建了驾驶行为意图识别及交通车辆预期轨迹预测模型。驾驶行为意图识别模块识别被预测车辆车道保持、左换道、右换道、左加速换道和右加速换道的概率;交通车辆预期轨迹预测模块采用编码器-解码器架构,输出被预测车辆未来6 s内可能发生的多种行为和轨迹。通过HighD数据集对模型进行训练、验证与测试。试验结果表明:基于意图识别的预期轨迹预测模型生成的多模态概率分布可提高本车行驶安全性,与其他方法相比显著提高轨迹预测精度,在预测长时域轨迹上具有明显的优势。
展开更多
关键词
轨迹预测
行为意图识别
LSTM
交互式行为
下载PDF
职称材料
智能驾驶系统对周边交通车辆预期轨迹的单模态网络预测方法
被引量:
3
3
作者
高振海
鲍明喜
+2 位作者
高菲
唐明弘
吕颖
《汽车技术》
CSCD
北大核心
2022年第11期1-9,共9页
为提升自动驾驶汽车准确预测周围车辆驾驶行为及轨迹的能力,提出一种基于单双向长短时记忆(MB-LSTM)的行为意图识别及交通车辆轨迹预测模型。该模型中行为意图识别模块输出被预测车辆车道保持、左换道、右换道、加速左换道和加速右换道...
为提升自动驾驶汽车准确预测周围车辆驾驶行为及轨迹的能力,提出一种基于单双向长短时记忆(MB-LSTM)的行为意图识别及交通车辆轨迹预测模型。该模型中行为意图识别模块输出被预测车辆车道保持、左换道、右换道、加速左换道和加速右换道的概率;交通车辆轨迹预测模块结合上下文向量和行为意图信息预测未来坐标和速度信息。通过HighD数据集对模型进行训练、验证与测试。验证结果表明:基于环境交互信息构建的车辆预期轨迹预测模型在预测长时域轨迹时具有较高的精度。
展开更多
关键词
轨迹预测
行为意图识别
交互式行为
下载PDF
职称材料
基于点云反射特性的前方道路附着系数估计方法研究
4
作者
胡宏宇
唐明弘
+2 位作者
高菲
鲍明喜
高镇海
《汽车工程》
EI
2024年第10期1842-1852,共11页
路面附着系数是影响自动驾驶系统决策控制策略的重要因素。为实现对道路附着系数前瞻性的高精度感知,本文基于车载激光雷达设计了一种新的路面附着系数估计方法。首先采集了干燥柏油路面、混凝土路面、湿滑柏油路面、结冰路面和积雪路...
路面附着系数是影响自动驾驶系统决策控制策略的重要因素。为实现对道路附着系数前瞻性的高精度感知,本文基于车载激光雷达设计了一种新的路面附着系数估计方法。首先采集了干燥柏油路面、混凝土路面、湿滑柏油路面、结冰路面和积雪路面构建道路数据集;基于使用布料模拟滤波和RANSAC算法进行了道路点云提取、基于高斯滤波去除反射率异常噪点;根据点云反射率随距离和入射角变化的规律将路面划分为不同区域分别提取特征;基于深度神经网络构建了道路识别模型,并基于采集数据集进行了训练,最后基于路面材质和峰值附着系数的统计经验确定了前方道路的附着系数。测试结果表明,本文提出的算法道路类型辨识精度超过99.3%,算法平均运行周期55ms,可实现实时高精度的路面峰值附着系数估计。
展开更多
关键词
路面附着系数
激光雷达点云
布料模拟滤波
RANSAC
深度神经网络
高斯滤波
路面类型识别
下载PDF
职称材料
面向纵向自动驾驶的仿人驱动控制网络模型
5
作者
高镇海
于桐
+3 位作者
孙天骏
唐明弘
高菲
赵睿
《机械工程学报》
EI
CAS
CSCD
北大核心
2023年第18期251-262,共12页
自动驾驶车辆已经成为当前汽车行业的研究热点。运动控制算法在很大程度上决定自动驾驶汽车的安全性和驾乘人员的接受度。自动驾驶控制算法的精度日益提高,然而其与驾驶员控制风格的一致性仍然较低,这会降低驾乘人员的体验感与接受度。...
自动驾驶车辆已经成为当前汽车行业的研究热点。运动控制算法在很大程度上决定自动驾驶汽车的安全性和驾乘人员的接受度。自动驾驶控制算法的精度日益提高,然而其与驾驶员控制风格的一致性仍然较低,这会降低驾乘人员的体验感与接受度。此外,现有方法仍存在大量需要人工标定的参数,导致算法部署时的工作量较大。针对以上问题,提出车辆纵向驱动控制仿人神经网络(Vehicle longitudinal drive control human-like neural network,LCN),并以此为基础构建了仿人机理的控制模型,其控制风格与驾驶员的一致性较高且能够实现参数的自学习标定。LCN的设计基于对人类驾驶行为的分析,其将驾驶员的控制机理与数据驱动方法相结合,并通过独特的网络架构设计将驾驶员机理中的容差控制特性与时延响应特性融入LCN。试验结果表明,所提出模型的控制风格更接近人类,且能够实现对车辆动力学特性的自估计与参数的自标定。
展开更多
关键词
自动驾驶
仿人机理
自学习标定
运动控制
容差控制
原文传递
题名
基于混合神经网络的汽车运动状态估计
被引量:
4
1
作者
高振海
温文昊
唐明弘
张建
陈国迎
机构
吉林大学
中国第一汽车集团有限公司智能网联开发院
出处
《汽车工程》
EI
CSCD
北大核心
2022年第10期1527-1536,共10页
基金
国家自然科学基金(51775236)
国家重点研发计划项目(2017YFB0102600)
+1 种基金
吉林省自然科学基金(20210101064JC)
吉林省科技发展计划项目(20200501009GX)资助。
文摘
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计。基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证。结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性。
关键词
车辆状态估计
深度学习
门控循环单元
多层感知机
混合神经网络
Keywords
vehicle state estimation
deep learning
gated recurrent unit
multilayer perceptron
hybrid neural network
分类号
U463.6 [机械工程—车辆工程]
下载PDF
职称材料
题名
基于LSTM概率多模态预期轨迹预测方法
被引量:
5
2
作者
高镇海
鲍明喜
高菲
唐明弘
机构
吉林大学
出处
《汽车工程》
EI
CSCD
北大核心
2023年第7期1145-1152,1162,共9页
基金
国家自然科学基金(52202495、U1564214)资助。
文摘
针对单模态轨迹预测无法充分表示未来预测空间以及解决轨迹预测固有的不确定性问题,本文构建了驾驶行为意图识别及交通车辆预期轨迹预测模型。驾驶行为意图识别模块识别被预测车辆车道保持、左换道、右换道、左加速换道和右加速换道的概率;交通车辆预期轨迹预测模块采用编码器-解码器架构,输出被预测车辆未来6 s内可能发生的多种行为和轨迹。通过HighD数据集对模型进行训练、验证与测试。试验结果表明:基于意图识别的预期轨迹预测模型生成的多模态概率分布可提高本车行驶安全性,与其他方法相比显著提高轨迹预测精度,在预测长时域轨迹上具有明显的优势。
关键词
轨迹预测
行为意图识别
LSTM
交互式行为
Keywords
trajectory prediction
behavioral intent recognition
LSTM
interactive behavior
分类号
U463.6 [机械工程—车辆工程]
下载PDF
职称材料
题名
智能驾驶系统对周边交通车辆预期轨迹的单模态网络预测方法
被引量:
3
3
作者
高振海
鲍明喜
高菲
唐明弘
吕颖
机构
吉林大学
中国第一汽车股份有限公司研发总院
汽车振动噪声与安全控制综合技术国家重点实验室
出处
《汽车技术》
CSCD
北大核心
2022年第11期1-9,共9页
基金
国家自然科学基金项目(51775236,51675224,U1564214)。
文摘
为提升自动驾驶汽车准确预测周围车辆驾驶行为及轨迹的能力,提出一种基于单双向长短时记忆(MB-LSTM)的行为意图识别及交通车辆轨迹预测模型。该模型中行为意图识别模块输出被预测车辆车道保持、左换道、右换道、加速左换道和加速右换道的概率;交通车辆轨迹预测模块结合上下文向量和行为意图信息预测未来坐标和速度信息。通过HighD数据集对模型进行训练、验证与测试。验证结果表明:基于环境交互信息构建的车辆预期轨迹预测模型在预测长时域轨迹时具有较高的精度。
关键词
轨迹预测
行为意图识别
交互式行为
Keywords
Trajectory prediction
Behavioral intent recognition
LSTM
Interactive behavior
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
U463.6 [机械工程—车辆工程]
下载PDF
职称材料
题名
基于点云反射特性的前方道路附着系数估计方法研究
4
作者
胡宏宇
唐明弘
高菲
鲍明喜
高镇海
机构
吉林大学
出处
《汽车工程》
EI
2024年第10期1842-1852,共11页
基金
吉林省重大科技专项(20220301009GX)
重载车辆模块化可扩展构型设计研究项目(52394261)
吉林省科技发展计划项目(202302013)资助。
文摘
路面附着系数是影响自动驾驶系统决策控制策略的重要因素。为实现对道路附着系数前瞻性的高精度感知,本文基于车载激光雷达设计了一种新的路面附着系数估计方法。首先采集了干燥柏油路面、混凝土路面、湿滑柏油路面、结冰路面和积雪路面构建道路数据集;基于使用布料模拟滤波和RANSAC算法进行了道路点云提取、基于高斯滤波去除反射率异常噪点;根据点云反射率随距离和入射角变化的规律将路面划分为不同区域分别提取特征;基于深度神经网络构建了道路识别模型,并基于采集数据集进行了训练,最后基于路面材质和峰值附着系数的统计经验确定了前方道路的附着系数。测试结果表明,本文提出的算法道路类型辨识精度超过99.3%,算法平均运行周期55ms,可实现实时高精度的路面峰值附着系数估计。
关键词
路面附着系数
激光雷达点云
布料模拟滤波
RANSAC
深度神经网络
高斯滤波
路面类型识别
Keywords
road friction coefficient
LiDAR point cloud
cloth simulation filtering
RANSAC
deep neural network
Gaussian filtering
road type recognition
分类号
U463.6 [交通运输工程]
下载PDF
职称材料
题名
面向纵向自动驾驶的仿人驱动控制网络模型
5
作者
高镇海
于桐
孙天骏
唐明弘
高菲
赵睿
机构
吉林大学汽车仿真与控制国家重点实验室
吉林大学汽车工程学院
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2023年第18期251-262,共12页
基金
国家自然科学基金(52202495,52202494,51775236)
吉林大学研究生创新基金(451230411061)
+1 种基金
吉林大学长沙汽车创新研究院自由探索(CAIRIZT20220106)
中央高校基本科研业务费专项资金(2022-JCXK-24)资助项目。
文摘
自动驾驶车辆已经成为当前汽车行业的研究热点。运动控制算法在很大程度上决定自动驾驶汽车的安全性和驾乘人员的接受度。自动驾驶控制算法的精度日益提高,然而其与驾驶员控制风格的一致性仍然较低,这会降低驾乘人员的体验感与接受度。此外,现有方法仍存在大量需要人工标定的参数,导致算法部署时的工作量较大。针对以上问题,提出车辆纵向驱动控制仿人神经网络(Vehicle longitudinal drive control human-like neural network,LCN),并以此为基础构建了仿人机理的控制模型,其控制风格与驾驶员的一致性较高且能够实现参数的自学习标定。LCN的设计基于对人类驾驶行为的分析,其将驾驶员的控制机理与数据驱动方法相结合,并通过独特的网络架构设计将驾驶员机理中的容差控制特性与时延响应特性融入LCN。试验结果表明,所提出模型的控制风格更接近人类,且能够实现对车辆动力学特性的自估计与参数的自标定。
关键词
自动驾驶
仿人机理
自学习标定
运动控制
容差控制
Keywords
autonomous vehicles
humanoid mechanism
self-learning calibration
motion control
tolerance control
分类号
U46 [机械工程—车辆工程]
TP399 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于混合神经网络的汽车运动状态估计
高振海
温文昊
唐明弘
张建
陈国迎
《汽车工程》
EI
CSCD
北大核心
2022
4
下载PDF
职称材料
2
基于LSTM概率多模态预期轨迹预测方法
高镇海
鲍明喜
高菲
唐明弘
《汽车工程》
EI
CSCD
北大核心
2023
5
下载PDF
职称材料
3
智能驾驶系统对周边交通车辆预期轨迹的单模态网络预测方法
高振海
鲍明喜
高菲
唐明弘
吕颖
《汽车技术》
CSCD
北大核心
2022
3
下载PDF
职称材料
4
基于点云反射特性的前方道路附着系数估计方法研究
胡宏宇
唐明弘
高菲
鲍明喜
高镇海
《汽车工程》
EI
2024
下载PDF
职称材料
5
面向纵向自动驾驶的仿人驱动控制网络模型
高镇海
于桐
孙天骏
唐明弘
高菲
赵睿
《机械工程学报》
EI
CAS
CSCD
北大核心
2023
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部