123,123

2026年02月13日星期五

當前位置

-網(wǎng)站首頁 -專利超市

專利超市

產(chǎn)業(yè)分類:

專利權(quán)人:

專利類別:

合作方式:

綜合排序

新一代信息技術(shù)

基于Q學習遺傳算法的智能電動汽車路徑跟蹤控制方法
基于Q學習遺傳算法的智能電動汽車路徑跟蹤控制方法涉及智能電動汽車路徑跟蹤控制領(lǐng)域，其首先根據(jù)車輛的動力學運動機理建立路徑跟蹤模型；然后考慮四個車輪的滑轉(zhuǎn)狀態(tài)、軌跡跟蹤誤差及橫擺穩(wěn)定性，重新定義路徑跟蹤系統(tǒng)的輸出，通過輸入輸出線性化將路徑跟蹤系統(tǒng)分解輸入輸出子系統(tǒng)和零動態(tài)子系統(tǒng)；對輸入輸出子系統(tǒng)提出自適應(yīng)廣義滑?？刂品椒ǎ馆斎胼敵鲎酉到y(tǒng)的狀態(tài)快速跟隨其理想值；通過穩(wěn)定性分析獲取零動態(tài)子系統(tǒng)穩(wěn)定的條件，并在此基礎(chǔ)上提出基于Q學習遺傳算法優(yōu)化的控制器參數(shù)設(shè)計方法，以實現(xiàn)智能電動汽車路徑跟蹤控制系統(tǒng)在平衡點附近的漸近穩(wěn)定。本發(fā)明有效提高了智能電動汽車的路徑跟蹤能力，保證其在極限工況下的動力學穩(wěn)定性。

吉林大學 授權(quán)發(fā)明
高端裝備制造

基于狀態(tài)觀測的四輪獨立轉(zhuǎn)向電動汽車轉(zhuǎn)向控制方法
基于狀態(tài)觀測的四輪獨立轉(zhuǎn)向電動汽車轉(zhuǎn)向控制方法涉及汽車四輪獨立轉(zhuǎn)向系統(tǒng)控制領(lǐng)域，該方法利用八自由度四輸入車輛動力學理想模型確定四個車輪理想的橫擺角速度，利用八自由度四輸入車輛動力學模型確定四個車輪實時的橫擺角速度和質(zhì)心側(cè)偏角，利用基于多智能體的理想狀態(tài)分布式估計模塊確定四個車輪理想的橫擺角速度和質(zhì)心側(cè)偏角估計值，利用基于狀態(tài)觀測器的四輪獨立轉(zhuǎn)向汽車轉(zhuǎn)向分布式控制模塊求解出汽車的四個車輪轉(zhuǎn)角，利用CarSim汽車模型實現(xiàn)汽車的橫擺穩(wěn)定性控制，并輸出汽車的實時運動狀態(tài)信息。本發(fā)明有效權(quán)衡了計算效率和車輛穩(wěn)定性能，提高了部分理想狀態(tài)未知情況下四輪獨立轉(zhuǎn)向車輛轉(zhuǎn)向控制的穩(wěn)定性。

吉林大學 授權(quán)發(fā)明
雙五星

一種基于多相混雜尺度陶瓷顆粒的鋁硅合金及其制備方法
本發(fā)明公開了一種多相混雜尺度陶瓷顆粒的鋁硅合金，鋁硅合金以及含有多相混雜尺度TiCN?AlN?TiB2陶瓷顆粒的陶鋁復合材料；其中，鋁硅合金為亞共晶AlSi10Mg2.6合金；多相混雜尺度TiCN?AlN?TiB2陶瓷顆粒在陶鋁復合材料中的質(zhì)量分數(shù)為20～40wt.％，陶鋁復合材料的添加量為0.25～1.0wt.％，使陶瓷顆粒的實際加入量為0.1～0.3wt.％；通過原位內(nèi)生反應(yīng)制備出含納米/亞微米/微米混雜尺度多相TiCN?AlN?TiB2陶瓷顆粒鋁合金微觀組織調(diào)控劑。該鋁合金微觀組織調(diào)控劑可以有效細化鋁硅合金的凝固組織，并且可以同時細化α?Al枝晶以及共晶硅和析出相，且陶瓷顆粒穩(wěn)定存在，與鋁熔體界面結(jié)合良好。本發(fā)明還提供一種基于多相混雜尺度陶瓷顆粒的鋁硅合金的制備方法。

吉林大學 授權(quán)發(fā)明
雙五星

一種基于多相混雜尺度陶瓷顆粒強化劑強化鋁硅合金的方法
本發(fā)明公開了一種基于多相混雜尺度陶瓷顆粒強化劑強化鋁硅合金的方法，包括：制備含有多相混雜尺度TiCN?AlN?TiB2陶瓷顆粒強化劑；制備AlSi10Mg2.6鋁硅合金液；將含有多相混雜尺度TiCN?AlN?TiB2陶瓷顆粒強化劑預熱后加入到保溫后的鋁硅合金液中后，對鋁硅合金AlSi10Mg2.6進行強化；加入鋁合金清渣劑，機械攪拌后，進行除氣精煉、扒渣；將精煉、扒渣后的第二混合合金液澆鑄成板狀鋁合金鑄坯，并對鋁合金鑄坯進行低溫時效處理。本發(fā)明提供的基于多相混雜尺度陶瓷顆粒強化劑強化鋁硅合金的方法，利用含有多相混雜尺度的TiCN?AlN?TiB2微米/亞微米/納米混雜的陶瓷顆粒作為鋁硅合金的增強相，并且通過合理控制陶瓷顆粒強化劑的加入量，能夠提高鋁硅合金的綜合力學性能。

吉林大學 授權(quán)發(fā)明
雙五星

一種基于排序?qū)W習和多元損失的圖像檢索方法
本發(fā)明公開了一種基于排序?qū)W習和多元損失的圖像檢索方法，該方法的核心思想是在選取對于查詢圖片的負樣本組的同時求得其在于查詢圖像的相似度排序中的序號，將排序序號與特征結(jié)合求得損失函數(shù)并更新網(wǎng)絡(luò)，從而準確提取圖像特征。本發(fā)明將排序?qū)W習的理論引入到圖像檢索中，根據(jù)負樣本與查詢圖片的歐式距離調(diào)整網(wǎng)絡(luò)參數(shù)，能夠更全面的學習圖像特征從而進行更準確的檢索。本發(fā)明充分考慮了負樣本對實驗的影響，可以根據(jù)模型的訓練效果對負樣本的數(shù)量進行調(diào)整。

吉林大學 授權(quán)發(fā)明
雙五星

壓電微動平臺基于Hopfield神經(jīng)網(wǎng)絡(luò)估計器的自適應(yīng)控制方法
本發(fā)明涉及一種壓電微動平臺基于Hopfield神經(jīng)網(wǎng)絡(luò)估計器的自適應(yīng)控制方法，屬于微納控制技術(shù)領(lǐng)域。將壓電微動平臺表征為帶有遲滯輸入的離散非仿射非線性函數(shù)的形式，在廣義Lipschitz條件下，采用動態(tài)線性化方法和最優(yōu)算法設(shè)計自適應(yīng)控制器，然后設(shè)計Hopfield神經(jīng)網(wǎng)絡(luò)估計器對控制器未知參數(shù)進行在線調(diào)整，該方法利用系統(tǒng)已知的先驗知識將系統(tǒng)遲滯非線性描述為可公式化的Bouc?Wen模型，避免對影響系統(tǒng)性能敏感因素考慮不全而導致閉環(huán)系統(tǒng)精度不高甚至失穩(wěn)的問題。Hopfield神經(jīng)網(wǎng)絡(luò)估計器對系統(tǒng)輸出值進行估計，直觀地反應(yīng)估計器性能，所設(shè)計控制器無需離線建模就能實現(xiàn)壓電微動平臺的高精度跟蹤控制。

吉林大學 授權(quán)發(fā)明

上一頁
1
2
3
4
5
6
...
27
28
下一頁