高洪波
- 作品数：11 被引量：70H指数：3
- 供职机构：清华大学更多>>
- 发文基金：国家自然科学基金汽车安全与节能国家重点实验室开放基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程更多>>
- GQMIS中心数据管理系统的开发与研究
- 高洪波
- 关键词：管理信息系统数据管理数据库
- 广东轻工机械厂中心数据管理系统的开发与研究
- 高洪波
- 关键词：管理信息系统数据管理数据库
- 一种极限工况的智能汽车轨迹跟踪控制方法
- 本发明公开一种极限工况的智能汽车轨迹跟踪控制方法，属于智能汽车控制技术领域。该方法首先建立非线性的车辆动力学模型，利用此动力学模型进行车辆稳态转向下的相轨迹分析，确定车辆转向稳定性区域，并计算车辆转向的稳定性边界，将得到...
- 李升波李克强陈海亮成波张小雪高洪波王建强罗禹贡杨殿阁
- 文献传递
- 一种控制量离散的多智能体系统实时分区稳定控制方法
- 本发明涉及一种控制量离散的多智能体系统实时分区稳定控制方法，属于自动控制技术领域。本方法首先建立多智能体系统中单个智能体节点的动力学模型，得到各节点的离散控制量的表达；将多智能体系统分解为由相邻两节点组成的多个子系统，建...
- 李升波成波张小雪高洪波李克强王建强罗禹贡
- 文献传递
- 智能汽车横向轨迹跟踪的离散时间模型预测控制被引量：12
- 2018年
- 智能化是汽车的三大变革技术之一,正逐步改变人类社会的出行方式和交通模式.良好的控制性和智能性是自动驾驶汽车上路的前提.提出了智能汽车横向轨迹跟踪的离散模型预测控制方法,将车辆轨迹跟踪转化为开环最优控制问题,对预测控制目标函数与约束进行设计,进行预测型转化,并开发横向跟踪预测控制器.给定参考轨迹下,针对不同速度进行仿真实验,仿真结果显示横向误差的平均值为25cm;跟踪稳定的情况下,前轮转角误差快速收敛为零,具有良好的全局稳定性,验证了该方法对轨迹跟踪控制具有较高的准确性、较强的鲁棒性和良好的自适应性,达到了横向运动控制的目标要求.
- 高洪波高洪波李升波成波
- 关键词：智能车辆轨迹跟踪控制
- 基于道路危险评估的智能车路径搜索方法及系统
- 本发明公开一种基于道路危险评估的智能车路径搜索方法及系统，能够解决现有的智能车路径搜索方法在许多情况下不能实现路径搜索，或者不能实现准确的路径搜索的问题。所述方法包括：S1、将车辆行驶的道路环境建模成由边长相同的多个正方...
- 赵建辉张新钰贾鹏韩威殷嘉伦刘玉超郑思仪安利峰李国朋高洪波
- 文献传递
- 一种极限工况的智能汽车轨迹跟踪控制方法
- 本发明公开一种极限工况的智能汽车轨迹跟踪控制方法，属于智能汽车控制技术领域。该方法首先建立非线性的车辆动力学模型，利用此动力学模型进行车辆稳态转向下的相轨迹分析，确定车辆转向稳定性区域，并计算车辆转向的稳定性边界，将得到...
- 李升波李克强陈海亮成波张小雪高洪波王建强罗禹贡杨殿阁
- 一种控制量离散的多智能体系统实时分区稳定控制方法
- 本发明涉及一种控制量离散的多智能体系统实时分区稳定控制方法，属于自动控制技术领域。本方法首先建立多智能体系统中单个智能体节点的动力学模型，得到各节点的离散控制量的表达；将多智能体系统分解为由相邻两节点组成的多个子系统，建...
- 李升波成波张小雪高洪波李克强王建强罗禹贡
- 文献传递
- 基于云模型的智能驾驶车辆变粒度测评研究被引量：29
- 2016年
- 如何通过直观、简单和有效的测评方法,建立一个定性与定量的不确定性测评转换模型,实现智能驾驶车辆的测评研究,已成为智能驾驶车辆研究领域急需面对和解决的一个基本问题,也是一个难题.为了解决这个问题,本文提出一种基于云模型与变粒度的测评方法.首先,提出一套4S变粒度测评体系与三级智商变粒度测评体系;其次,通过云模型将智能驾驶车辆的定性测评转化为直观、形象的定量测评,利用云模型的期望、熵与超熵对智能驾驶车辆进行定量评价,从而建立一个由定性到定量的测评转换模型.为解释这个模型的实施,2013年未来挑战赛的实例被采用.实验的分析表明,在具有定性与定量的测评中,利用云模型的期望、熵与超熵作为定性评价的定量评价的依据,并且,基于云模型与变粒度的智能驾驶车辆的测评能够有效地解决多目标粒度的测评与描述性的定性评价的定量评价,从而解决了一类智能驾驶车辆的测评研究问题.
- 高洪波张新钰张天雷刘玉超李德毅
- 关键词：云模型测评研究
- 深度神经网络的关键技术及其在自动驾驶领域的应用被引量：29
- 2019年
- 智能化是汽车的三大变革技术之一,深度学习具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。该文系统性总结了用于自动驾驶汽车的深度神经网络(DNN)技术,包括发展历史、主流算法以及感知、决策与控制技术应用。回顾了神经网络的历史及现状,总结DNN的"神经元-层-网络"3级结构,重点介绍卷积网络和循环网络的特点以及代表性模型;阐述了以反向传播(BP)为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括了网络计算平台和模型优化设计技术;讨论DNN在自动驾驶汽车的环境感知、自主决策和运动控制3大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分层式和端到端决策、汽车纵横向运动控制等;针对用于自动驾驶汽车的DNN技术,指明了不同问题的适用方法以及关键问题的未来发展方向。
- 李升波关阳侯廉高洪波段京良梁爽汪玉成波李克强任伟李骏
- 关键词：智能汽车自动驾驶环境感知运动控制
