汽车电子研究中心

研究方向 / 整车控制
研究方向简介 / Research Direction

        整车控制系统包括动力系统、能量系统、底盘电子控制系统、照明指示系统、仪表显示系统、辅助系统、整车综合控制系统、空调系统和安全系统等等。整车控制是电动汽车控制系统核心,承担整车数据的交换、整车安全管理、驾驶员意图传递、动力分配管理和能量分配管理的任务,影响者整车的动力性和经济性、安全性、驾驶舒适性与整车的协调控制。

强化学习与自动驾驶策略 / Selected Projects

      自动驾驶技术视为是解决交通事故,拥堵,尾气污染等一系列交通问题的新兴技术。由于感知数据的庞杂,原有基于规则的专家系统或自动化控制理论无法有效地实现自动驾驶决策。文章提出一种基于深度强化学习的自动驾驶策略模型学习的新方法,采用强化学习的在线交互式学习方法对深度网络模型进行训练,并基于专业司机的历史数据信息对模型进行预训练,然后结合经验池回放技术,有效提高收敛速度;同时对状态空间进行聚类再采样,提高其独立同分布的特性,因此提高了策略模型的泛化能力。实验结果显示,文章提出的方法与神经网络拟和Q-迭代算法相比,在300次实验中降低92%左右的时间消耗,同时在50次测试中,稳定性能提高大约34%。并且以复杂度略高于训练集的测试道路长度为基准,与经验过滤的Q-学习算法相比,采用聚类再采样的方法可以使策略模型的平均行驶距离提高73.4%。





成果 / Intellectual Properties

代表性论文 / Selected Papers

1.Junta Wu, Huiyun Li*, Deep Ensemble Reinforcement Learning with Multiple Deep Deterministic Policy Gradient Algorithm, Mathematical Problems in Engineering, vol. 2020, Article ID 4275623, 12 pages, 2020 (IF= 1.179, SCI, JCR Q3)
2.夏伟,李慧云*,基于深度强化学习的自动驾驶策略学习方法,集成技术,第6卷 第3期,2017 年5 月

代表性专利 / Selected Patents

1.发明专利,一种汽车的自动驾驶方法与装置,申请号:201710156331.8,申请日:2017.3.16
2.发明专利,一种用于车辆自动驾驶的决策网络模型的生成方法及装置,申请号:201710201086.8,申请日:2017.3.30