Uplatnění umělých neuronových sítí v modelu prediktivního tempomatu osobního automobilu

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F29142890%3A_____%2F21%3A00041389" target="_blank" >RIV/29142890:_____/21:00041389 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Uplatnění umělých neuronových sítí v modelu prediktivního tempomatu osobního automobilu

Popis výsledku v původním jazyce

Tento článek se zabývá využitím neuronových sítí pro predikci zpomalení pro adaptivní tempomat. Příspěvek popisuje základní funkcionalitu adaptivního tempomatu a vytváří matematicko-fyzikální model brzdění, které je jednou ze základních funkcí adaptivního tempomatu. Dále je provedena analýza vlivů působících v procesu brzdění, z nichž nejvýznamnější jsou využity při návrhu predikce zpomalení pro adaptivní tempomat pomocí neuronových sítí. Takové spojení pomocí umělých neuronových sítí s využitím moderních senzorů může být dalším krokem k plné autonomii vozidla. Výhodou tohoto přístupu je originální využití neuronových sítí, které zpřesňují stanovení hodnoty zpomalení vozidla před statickou nebo dynamickou překážkou a zároveň zahrnují řadu vlivů, které ovlivňují proces brzdění a zvyšují tak bezpečnost jízdy.

Název v anglickém jazyce

Application of artificial neural networks in the model of predictive cruise control of a passenger car

Popis výsledku anglicky

This paper deals with the use of neural networks for deceleration prediction for the adaptive cruise control unit. The paper describes the basic functionality of adaptive cruise control and creates a mathematical-physical model of braking, which is one of the basic functions of adaptive cruise control. Furthermore, an analysis of the influences acting in the braking process is performed, the most significant of which are used in the design of deceleration prediction for the adaptive cruise control unit using neural networks. Such a connection using artificial neural networks using modern sensors can be another step towards full vehicle autonomy. The advantage of this approach is the original use of neural networks, which refines the determination of the deceleration value of the vehicle in front of a static or dynamic obstacle, while including a number of influences that affect the braking process and thus increase driving safety.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20200 - Electrical engineering, Electronic engineering, Information engineering

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

RADIOKOMUNIKACE 2021

ISBN

978-80-905345-7-5

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

179-189

Název nakladatele

UNIT s.r.o.

Místo vydání

Pardubice

Místo konání akce

Pardubice

Datum konání akce

1. 1. 2021

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—