CN114291093A - 一种车路协同自动驾驶分层修正控制方法及*** - Google Patents
一种车路协同自动驾驶分层修正控制方法及*** Download PDFInfo
- Publication number
- CN114291093A CN114291093A CN202111466575.9A CN202111466575A CN114291093A CN 114291093 A CN114291093 A CN 114291093A CN 202111466575 A CN202111466575 A CN 202111466575A CN 114291093 A CN114291093 A CN 114291093A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- gear
- ramp
- gradient
- shifting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 title claims abstract description 34
- 238000011217 control strategy Methods 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 22
- 239000000725 suspension Substances 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Control Of Transmission Device (AREA)
Abstract
本发明涉及工程运输车自动驾驶领域，公开了一种车路协同自动驾驶分层修正控制方法和***，控制方法包括以下步骤：在路侧计算设备中构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级对应的坡道换挡控制策略；通过路侧计算设备与车载计算平台的协同关系，对车辆的坡道换挡策略进行修正。
Description
技术领域
本发明涉及工程运输车自动驾驶领域，具体涉及一种车路协同自动驾驶分层修正控制方法及***。
背景技术
车辆在行驶过程中，整车质量可能随时发生变化，比如工程运输车空车与重载时的质量差别较大。自动驾驶在规划控制算法时通常默认整车质量几乎不变，或者是采用多种传感器信息融合的方法识别整车质量。但是，该方法对传感器精度要求高且硬件成本高；并且，传感数据融合所辨识整车质量指标不能跟随车辆行驶动力学***特性变化。
现有的无人驾驶车辆在固定区域行驶时，大多通过人为测量坡道参数并在程序中预设。在开放区域行驶时，一般采用多种传感器信息融合的方法识别坡度。或者在SAEJ1939协议的基础上通过CAN得到车辆发动机输出转速和转矩，对转速进行差分获得车辆行驶加速度和道路综合阻力，依据车辆纵向动力学原理进行道路坡度辨识，但当道路坡道变化较大时，辨识精度不高；并且对传感器精度要求高，硬件安装与运维成本高。
现有无人驾驶车辆基于多个参数的换挡规则，没有将车辆所处的外部行驶工况考虑在内，更不能针对根据车辆行驶过程中整车质量变化与行驶坡度参数制定合理的换挡规则。采用传统的换挡规则，坡道行驶时容易发生意外升降挡导致行驶风险升高。因此，为保证无人驾驶车辆的安全可靠运行，在制定坡道坡道换挡控制策略过程中，必须将整车质量与道路坡度加以考虑。
发明内容
为解决上述技术问题，本发明提供一种车路协同自动驾驶分层修正控制方法及***。
为解决上述技术问题，本发明采用如下技术方案：
一种车路协同自动驾驶分层修正控制方法，通过路侧计算设备和车载计算平台协同工作，控制执行机构进行挡位修正，包括以下步骤：
在路侧计算设备中构建基于BP神经网络的识别模型；
将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；
当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
具体地，车辆响应包括前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度。
具体地，前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度共八个车辆响应，每个车辆响应有作为输入和不作为输入两种情况，对八个车辆响应进行排列组合得到28个输入方案，通过引入正交试验设计保留28个输入方案中具有代表性的输入方案，作为识别模型的输入。
具体地，当采用坡道换挡控制策略时，如果车辆处于上坡工况，采用上坡换挡控制策略：当车辆的整车质量以及行驶坡度处于第一等级时，则车辆按照正常换挡规律换挡；车辆的整车质量以及行驶坡度处于第二等级时，则车辆在上坡前的挡位基础上降一挡，同时在上坡过程中禁止升挡；其中第一等级的整车质量小于第二等级的整车质量，第一等级的行驶坡度小于第二等级的行驶坡度。
具体地，当采用坡道换挡控制策略时，如果车辆处于下坡工况，采用下坡换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，在下坡前的挡位基础上降A个挡位，且禁止升挡，其中A的数值由下坡时整车质量、行驶坡度所处的等级决定。
一种车路协同自动驾驶分层修正控制***，包括
路侧计算设备：构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，将行驶坡度和整车质量作为输出传递至车载计算平台；
以及车载计算平台：当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
与现有技术相比，本发明的有益技术效果是：
1.路侧计算设备可以形成可以互动合作的路侧计算设备群体，能够分享各自数据，更好地训练各自的识别模型，提高决策智能；路侧计算设备可以分担车载计算平台的计算任务，因为路侧计算设备可以使用更高端的计算设备，能够为车载计算平台提供更好更快的计算能力，运行更复杂的算法，从而提高终端无人车辆的智慧水平。
2.本发明中基于行驶坡度与整车质量辨识的分层修正控制方法，将车辆自动变速器的控制分为决策层与修正执行层。其中：决策层由路侧计算设备进行计算，修正执行层由车载计算平台进行计算；路侧计算设备可以分担车载计算平台的计算任务，因为路侧计算设备可以使用更高端的计算设备，能够为车载计算平台提供更好更快的计算能力，可以运行更复杂的算法，从而提高终端无人车辆的智慧水平。
3.路侧计算设备对车辆行驶坡度、整车质量识别的基本思想，是分别将车辆响应以及行驶坡度、整车质量作为输入和输出，通过神经网络训练建立两者之间的关系，训练完成之后，车辆响应与行驶坡度、整车质量之间路面具有非线性关系，由车辆响应就可直接识别行驶坡度、整车质量；其优点是既不需要公式推导，也不需要知道各类车辆参数，可减少人为参数标定的工作量。
4.采用基于整车质量与行驶坡度辨识的分层修正控制方法，能根据不同坡道工况进行挡位控制，提高了无人驾驶车辆自动变速的智能化水平，有效地避免换挡循环，减少换挡执行部件磨损，提高车辆的行驶平顺性与换挡部件的寿命。
附图说明
图1为本发明分层修正控制方法的流程图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
一种车路协同自动驾驶分层修正控制方法，通过基于BP神经网络的识别模型，对车辆参数(整车质量和行驶坡度)进行辨识；通过准确地辨识参数，较好地跟踪车辆纵向动力学***动态变化特性，在完成参数辨识的基础上采用坡道换挡控制策略。
将车辆坡道自动变速控制分为决策层与修正执行层。其中，决策层由路侧计算设备采集车辆参数，辨识整车质量与行驶坡度；修正执行层中，由车载计算平台接收决策层指令，综合决策层的决策参数，计算出换挡修正控制指令，发给执行机构进行换挡。
如图1所示，具体来说，分层修正控制方法包括以下方案：
S1：基于BP神经网络的行驶坡度与整车质量识别
S1-1：输入选择
选择车辆响应作为BP神经网络的输入；对于平顺性四自由度平面模型，前轮垂直加速度、后轮垂直加速度、前车身垂直加速度和后车身垂直加速度可由加速度传感器测量；车身俯仰角速度可由微惯性测量单元IMU中的陀螺仪测，车身俯仰角位移可由定位定向测姿组合导航***中的惯性测量单元IMU测量，前悬架动挠度和后悬架动挠度可由拉线位移传感器测量。因此，选择上述可以测量的车辆响应作为神经网络输入。
S1-2：输入方案正交试验设计
根据输入选择，可以用于BP神经网络输入的车辆响应为8个。如果每个车辆响应有作为输入和不作为输入两种情况，对全部车辆响应进行排列组合。就有(2的 8次方)256个输入方案。因此，为了减少输入方案的个数，可以通过引入正交试验设计确定具有代表性车辆响应的组合作为输入方案。
S1-3：获得输出
通过平顺性模型仿真可获得行驶坡度和整车质量。于是，BP神经网络输入层神经元个数为8，代表8个车辆响应，输出层神经元节点数为2，代表行驶坡度与整车质量。
通过上述步骤建立起输入与输出之间的关系，并完成训练；在车辆行驶过程中，通过采集车辆响应输入到识别模型中，获得车辆的行驶坡度以及整车质量。
S2：坡道工况换挡控制策略
当辨识出车辆在水平路面行驶时，车辆按照正常换挡规律换挡，不进行换挡修正和干预。当辨识出车辆处于坡道工况时，换挡采用坡道换挡控制策略，根据所接收到的整车质量和行驶坡度，并对整车质量与行驶坡度按照所总结的专家经验进行等级划分，实现坡道工况下的换挡控制。
S2-1：上坡工况换挡修正控制策略
车辆处于上坡工况时，采用上坡换挡控制策略。例如，当辨识出车辆行驶在小坡且车辆为小质量时，则坡道换挡控制策略为变速器按照正常换挡规律换挡；当辨识出车辆行驶在中坡且车辆为中质量时，则在上坡前挡位的基础上下降一挡，同时禁止升挡。这里的“小”和“中”是相对而言的，中质量大于小质量，中坡的坡度大于小坡。
S2-2：下坡工况换挡修正控制策略
下坡时驾驶员多采用制动器制动以降低车速，导致制动摩擦片温升过高而制动效能下降，特别是下长坡时，情况更为严重，容易发生交通事故。因此，下坡时自动驾驶车辆应以低挡行驶且限制升挡，充分利用发动机的拖动转矩进行辅助制动。自动驾驶车辆处于下坡工况时，采用下坡换挡控制策略：对整车质量与坡度进行等级划分，得到不同整车质量与行驶坡度的下坡换挡控制策略，根据下坡时决策层计算得到的整车质量和行驶坡度，在原有挡位基础上下降若干个挡位，且禁止升挡。
一种车路协同自动驾驶分层修正控制***，包括
路侧计算设备：构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，将行驶坡度和整车质量作为输出传递至车载计算平台；
以及车载计算平台：当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
可理解的是，本发明实施例提供的***与本发明实施例提供的方法相对应，方法部分相关内容的解释、举例和有益效果完全可以应用于***中。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种车路协同自动驾驶分层修正控制方法，通过路侧计算设备和车载计算平台协同工作，控制执行机构进行挡位修正，包括以下步骤：
在路侧计算设备中构建基于BP神经网络的识别模型；
将车辆响应作为识别模型的输入，识别模型将行驶坡度和整车质量作为输出传递至车载计算平台；
当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，车载计算平台根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
2.根据权利要求1所述的车路协同自动驾驶分层修正控制方法，其特征在于：车辆响应包括前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度。
3.根据权利要求2所述的车路协同自动驾驶分层修正控制方法，其特征在于：前轮垂直加速度、后轮垂直加速度、前车身垂直加速度、后车身垂直加速度、车身俯仰角速度、车身俯仰角位移、前悬架动挠度、后悬架动挠度共八个车辆响应，每个车辆响应有作为输入和不作为输入两种情况，对八个车辆响应进行排列组合得到28个输入方案，通过引入正交试验设计保留28个输入方案中具有代表性的输入方案，作为识别模型的输入。
4.根据权利要求1所述的车路协同自动驾驶分层修正控制方法，其特征在于：当采用坡道换挡控制策略时，如果车辆处于上坡工况，采用上坡换挡控制策略：当车辆的整车质量以及行驶坡度处于第一等级时，则车辆按照正常换挡规律换挡；车辆的整车质量以及行驶坡度处于第二等级时，则车辆在上坡前的挡位基础上降一挡，同时在上坡过程中禁止升挡；其中第一等级的整车质量小于第二等级的整车质量，第一等级的行驶坡度小于第二等级的行驶坡度。
5.根据权利要求1所述的车路协同自动驾驶分层修正控制方法，其特征在于：当采用坡道换挡控制策略时，如果车辆处于下坡工况，采用下坡换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，在下坡前的挡位基础上降A个挡位，且禁止升挡，其中A的数值由下坡时整车质量、行驶坡度所处的等级决定。
6.一种车路协同自动驾驶分层修正控制***，其特征在于：包括
路侧计算设备：构建基于BP神经网络的识别模型；将车辆响应作为识别模型的输入，将行驶坡度和整车质量作为输出传递至车载计算平台；
以及车载计算平台：当辨识出车辆处于无坡度工况时，车辆按照正常换挡规律换挡；当辨识出车辆处于坡道工况时，采用坡道换挡控制策略：预先对不同的整车质量与行驶坡度进行等级划分，并制定不同等级下的坡道换挡控制策略，根据所接收到的整车质量、行驶坡度，匹配相应的等级以及相应等级的坡道换挡控制策略，控制执行机构进行挡位修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111466575.9A CN114291093A (zh) | 2021-11-30 | 2021-11-30 | 一种车路协同自动驾驶分层修正控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111466575.9A CN114291093A (zh) | 2021-11-30 | 2021-11-30 | 一种车路协同自动驾驶分层修正控制方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114291093A true CN114291093A (zh) | 2022-04-08 |
Family
ID=80965551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111466575.9A Pending CN114291093A (zh) | 2021-11-30 | 2021-11-30 | 一种车路协同自动驾驶分层修正控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114291093A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116025709A (zh) * | 2023-03-28 | 2023-04-28 | 盛瑞传动股份有限公司 | 变速箱换挡控制方法、装置、控制器和介质 |
| FR3140052A1 (fr) * | 2022-09-27 | 2024-03-29 | Psa Automobiles Sa | Procédé d’adaptation du pilotage à la charge d’un véhicule |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130035829A1 (en) * | 2011-08-02 | 2013-02-07 | GM Global Technology Operations LLC | Use of on-vehicle accelerometer to estimate vehicle grade and mass while vehicle is in motion |
| CN106980744A (zh) * | 2017-05-25 | 2017-07-25 | 电子科技大学 | 汽车动力学仿真分析中操纵稳定性和平顺性协同优化方法 |
| CN107100993A (zh) * | 2017-05-08 | 2017-08-29 | 合肥工业大学 | 一种车辆质量与坡道坡度识别的自动变速换挡修正方法 |
| CN112758097A (zh) * | 2020-12-30 | 2021-05-07 | 北京理工大学 | 一种用于无人驾驶车辆的状态预测与估计方法 |
| CN113276813A (zh) * | 2021-07-20 | 2021-08-20 | 天津所托瑞安汽车科技有限公司 | 车轮滑移率的修正方法、装置、电子设备及介质 |
| CN113353085A (zh) * | 2021-07-03 | 2021-09-07 | 西北工业大学 | 一种基于卡尔曼滤波理论的路面不平度识别方法 |
| WO2021223334A1 (zh) * | 2020-05-06 | 2021-11-11 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
-
2021
- 2021-11-30 CN CN202111466575.9A patent/CN114291093A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130035829A1 (en) * | 2011-08-02 | 2013-02-07 | GM Global Technology Operations LLC | Use of on-vehicle accelerometer to estimate vehicle grade and mass while vehicle is in motion |
| CN107100993A (zh) * | 2017-05-08 | 2017-08-29 | 合肥工业大学 | 一种车辆质量与坡道坡度识别的自动变速换挡修正方法 |
| CN106980744A (zh) * | 2017-05-25 | 2017-07-25 | 电子科技大学 | 汽车动力学仿真分析中操纵稳定性和平顺性协同优化方法 |
| WO2021223334A1 (zh) * | 2020-05-06 | 2021-11-11 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
| CN112758097A (zh) * | 2020-12-30 | 2021-05-07 | 北京理工大学 | 一种用于无人驾驶车辆的状态预测与估计方法 |
| CN113353085A (zh) * | 2021-07-03 | 2021-09-07 | 西北工业大学 | 一种基于卡尔曼滤波理论的路面不平度识别方法 |
| CN113276813A (zh) * | 2021-07-20 | 2021-08-20 | 天津所托瑞安汽车科技有限公司 | 车轮滑移率的修正方法、装置、电子设备及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3140052A1 (fr) * | 2022-09-27 | 2024-03-29 | Psa Automobiles Sa | Procédé d’adaptation du pilotage à la charge d’un véhicule |
| CN116025709A (zh) * | 2023-03-28 | 2023-04-28 | 盛瑞传动股份有限公司 | 变速箱换挡控制方法、装置、控制器和介质 |
| CN116025709B (zh) * | 2023-03-28 | 2023-06-09 | 盛瑞传动股份有限公司 | 变速箱换挡控制方法、装置、控制器和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108506474B (zh) | 一种基于车载导航***的自动变速器换挡点预测控制方法 | |
| US11216748B2 (en) | Predictive control techniques for ground vehicles | |
| CN108284836B (zh) | 一种车辆纵向跟随控制方法 | |
| CN108657189B (zh) | 基于bp神经网络和安全距离移线工况自动驾驶转向***及其控制方法 | |
| US11072329B2 (en) | Ground vehicle control techniques | |
| CN103347757B (zh) | 通过使用预测环境和驾驶员行为信息来优化燃油经济性的***和方法 | |
| US9297455B2 (en) | GPS-based predictive shift schedule for automatic transmission | |
| CN100431887C (zh) | 车辆的减速控制装置和方法 | |
| KR101601889B1 (ko) | 규칙 및/또는 비용에 기초하여 차량 속도를 제어하기 위한 방법 및 모듈 | |
| CN114291093A (zh) | 一种车路协同自动驾驶分层修正控制方法及*** | |
| US20190375394A1 (en) | Ground Vehicle Control Techniques | |
| CN107264534A (zh) | 基于驾驶员经验模型的智能驾驶控制***和方法、车辆 | |
| KR101783930B1 (ko) | 변속 제어 | |
| CN107963126A (zh) | 一种多轴转向车辆大曲率自动驾驶转向控制方法 | |
| SE533965C2 (sv) | Modul i ett styrsystem för ett fordon | |
| CN102639378A (zh) | 行驶控制装置 | |
| CN108999964A (zh) | 一种发动机转速的控制方法及控制装置 | |
| CN106882180A (zh) | 一种无人驾驶履带车的起步控制方法 | |
| US20220194377A1 (en) | Method and system for controlling vehicle operation | |
| CN109866765A (zh) | 一种无人驾驶电动汽车安全行驶*** | |
| CN114572244A (zh) | 智能驾驶及adas前车驾驶行为识别预测方法及模块 | |
| US20230049927A1 (en) | Autonomous Drive Function Which Takes Driver Interventions into Consideration for a Motor Vehicle | |
| CN114450207A (zh) | 对机动车的动力总成的驱动机以及至少一个影响机动车的能效的车辆部件进行的基于模型的预测性控制 | |
| US20220371450A1 (en) | Model-Based Predictive Regulation of an Electric Machine in a Drivetrain of a Motor Vehicle | |
| US20230026018A1 (en) | MPC-Based Autonomous Drive Function of a Motor Vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220408 |