-
公开(公告)号：CN118219935A
公开(公告)日：2024-06-21
申请号：CN202310841484.1
申请日：2023-07-10
Inventor： 陶发展 , 付致高 , 龚慧贤 , 周遥 , 朱龙龙 , 王楠 , 李梦杨 , 马浩翔 , 毕淑慧 , 冀保峰 , 张中才 , 吴红海 , 唐小林 , 李帅永 , 杨艺 , 陈灵峰
Abstract: 本发明提供了一种基于坡度预测的混合动力汽车智能能量管理方法，包括以下步骤：建立混合动力汽车中各能量源模型和整车模型；根据车辆当前时刻的坡度及速度信息，通过长短期记忆网络进行预测获取总需求功率，采用模糊控制的自适应低通滤波器和等效消耗最小策略的构建思想对功率分层处理，构建一种基于坡度预测的混合动力汽车能量管理系统，以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计高效的混合经验回放技术对智能算法中网络进行更新。本发明可在考虑道路坡度信息的基础上，对混合动力汽车的能量管理进行在线优化调节，通过实时预测道路坡度，在复杂、随机的驾驶环境下更好的更新最优策略。
-
公开(公告)号：CN116498669A
公开(公告)日：2023-07-28
申请号：CN202310384717.X
申请日：2023-04-12
Applicant: 河南科技大学
IPC: F16D27/04 , F16D27/14 , F16D65/14 , H01F5/00 , F16D121/22
Abstract: 本发明涉及电磁离合器技术领域，且公开了一种混合动力汽车的电磁离合器结构，包括中轴，所述中轴外壁套接有外壳，所述外壳的一端连接有底壳，所述底壳套接在中轴的外壁，所述外壳的内壁设有电磁组件，所述电磁组件包括有铁环，所述铁环的外侧顶端以及底端均开设有联通槽，所述铁环顶端以及底端均连接有对应的半匝线圈，所述半匝线圈靠近铁环的两端均设有卡入线圈，所述卡入线圈靠近铁环中部一侧的外壁均固定套接有卡环，本发明通过设有半匝线圈，有利于在进行使用时当出现了损坏时，不必像传统的电机线圈进行大规模的替换，而只是进行小规模的更换即可更换，减少了金属资源消耗，同时减少了维护成本。
-
公开(公告)号：CN115675102A
公开(公告)日：2023-02-03
申请号：CN202211394394.4
申请日：2022-11-08
Applicant: 河南科技大学
IPC: B60L7/26
Abstract: 本发明涉及混合动力汽车领域，且公开了一种粒子群算法优化的混合动力汽车再生制动控制方法，主要包括前后轮制动力分配、设计模糊控制器和粒子群算法优化模糊规则三个部分。首先利用前后轮制动力分配曲线实现前、后轮制动力的分配；然后通过模糊控制器实现前轮机械制动力和再生制动力的分配；最后以制动效果和制动能量回收为优化目标函数，利用粒子群算法优化模糊规则，并将优化后的模糊规则应用到混合动力汽车再生制动控制中。本发明降低了模糊规则设计难度，在满足制动效果下提高了制动回收的能量，有利于混合动力汽车的节能减排。
-
公开(公告)号：CN102562462A
公开(公告)日：2012-07-11
申请号：CN201210038056.7
申请日：2012-02-20
Applicant: 河南科技大学
CPC classification number: Y02E10/74
Abstract: 大功率三戟垂直轴风轮的主动失速调节装置，主要由风速仪、垂直轴风轮本体、自锁螺旋传动装置和PLC控制单元组成，驱动机构通过自锁螺旋传动装置使风轮叶板沿滑轨轴线方向运动，PLC控制单元控制伺服电机，当风速超过预设值时，风轮叶板向中心轴方向移动，实现主动失速，当风速低于预设值时，风轮叶板反方向运动，回复至正常运转位置。本装置当风速检测值超过预设阈值时，启动螺旋传动机构使得风轮迎风凹面板沿轨道向中心轴方向移动，一方面降低风轮掠风面积，另一方面向中心轴方向移动的迎风凹面板又阻止风能进入三戟风轮内腔不产生二次驱动而达到主动失速控制的目的，保护风电机组的正常运行。
-
公开(公告)号：CN119992846A
公开(公告)日：2025-05-13
申请号：CN202510151101.7
申请日：2025-02-11
Applicant: 河南科技大学
Abstract: 基于深度强化学习的交通信号灯自适应配时控制方法，包括如下步骤：基于预先构建的城市交叉口模型获取实时交通状态；基于实时交通状态通过预先训练好的基于深度确定性策略梯度算法的交通信号控制模型生成理论最优动作，理论最优动作包括多个与交通信号灯一一对应的单体动作，单体动作包括动作状态和动作存续时长；将理论最优动作与预先确定的标准动作区间进行比较，并且根据比较结果对理论最优动作进行修正得到实际最优动作；基于实际最优动作对交通信号灯进行控制。本发明提供一种基于深度强化学习的交通信号灯自适应配时控制方法及系统，能够更加灵活和精确地对交通信号灯进行控制。
-
Patent Agency Ranking
公开(公告)号：CN114347812B
公开(公告)日：2024-01-16
申请号：CN202210031745.9
申请日：2022-01-12
Applicant: 河南科技大学
IPC: B60L50/75 , B60L58/40 , B60W20/11 , B60W20/15 , B60W40/076 , B60W40/105 , B60W40/107 , B60W40/13
Abstract: 基于驾驶风格的燃料电池混合动力汽车能量管理方法，通过整车的动力系统建立整车模型和能量源模型，通过车辆行驶中的行驶数据设计驾驶风格识别算法，根据各个工况下的离线仿真获取等效因子，结合等效消耗策略设计基于驾驶风格的自适应等效消耗最小策略。本发明燃料电池混合动力汽车能量管理方法考虑了不同能量源提供功率的高低，同时还考虑锂电池和超级电容SOC的变化，确保锂电池和超级电容SOC在合适的范围内工作，最大限度的减少燃料的消耗。
-
公开(公告)号：CN116517676A
公开(公告)日：2023-08-01
申请号：CN202310359427.X
申请日：2023-04-06
Applicant: 河南科技大学
Abstract: 本发明涉及汽车发动机技术领域，更具体的公开了一种PHEV发动机的低温冷却管理系统，包括底座，所述底座的侧面上固定连接有空气盒，所述空气盒的上表面上开设有升降槽，所述空气盒的上表面上固定连接有两个支撑板，设有调节机构，通过空气的热胀冷缩特性，可以改变升降板和调节板的位置，从而实现改变电路中电阻的大小的目的，使得水泵的实际功率可以进行自动调节，便于对PHEV发动机进行降温冷却，使得降温冷却的效果较高，设有水冷机构，随着水泵的实际功率的不断提高，水泵会加快抽水和注水的速度，便于将升降槽内部的空气进行抽出和重新注入，达到散热的目的，使得散热的速度更好，效果更好，便于PHEV发动机进行使用。
-
公开(公告)号：CN115456938A
公开(公告)日：2022-12-09
申请号：CN202210872244.3
申请日：2022-07-20
Applicant: 河南科技大学
IPC: G06T7/00 , G06V10/34 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器视觉领域，公开了一种基于深度学习和超声红外图像的金属部件裂纹检测方法，S1、构建超声激励下带有裂纹的金属部件的红外图像数据集；S2、对获取的数据集进行图像预处理；S3、由预处理后的数据集训练改进的YOLOv3网络模型；S4、输入待检测图像或视频，通过训练出的金属部件裂纹检测模型进行检测，判断是否存在缺陷并实现定位。本发明主干网络中采用跨级残差结构和跨阶段密集特征重用块，以提高特征的可重用性；改进金字塔复合神经网络结构，能够获取丰富的上下文信息并且引入特征细化机制来抑制冲突信息，防止微小目标淹没在冲突语义信息中，从而对更加细微的裂纹缺陷进行检测。
-
公开(公告)号：CN119239591A
公开(公告)日：2025-01-03
申请号：CN202411508323.1
申请日：2024-10-28
Applicant: 河南科技大学
Abstract: 本发明提供了一种基于车辆模型的预设时间跟踪控制方法，旨在提升车辆跟车下的响应速率，减少车辆跟随下的“幽灵车辆”问题，提升交通通行效率。本发明在考虑跟车过程中跟随车受到的空气阻力、坡道阻力、滚动阻力的基础上，将预设时间控制理论与车辆跟踪控制相结合，设计控制器实现安全车距内车辆的跟踪控制。该控制器需要满足跟踪稳定性和位置跟踪误差收敛性两个要求，即在车辆跟踪控制过程中，需要保证跟随车辆的运动状态与前车的运动状态之间存在稳定的关系，也就是跟随车应当在预设时间内保持与前车一致的速度以保证安全车距行驶，同时实现后车的位置跟踪误差在预设时间内收敛到零附近的一个领域内，确保后车准确跟随前车。
-
公开(公告)号：CN117292200A
公开(公告)日：2023-12-26
申请号：CN202311320256.6
申请日：2023-10-12
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 一种基于改进卷积神经网络的地基云图分类识别方法，S1，采集多种类型的地基云图，得到初始地基云图数据集；S2，对初始地基云图进行预处理，构建地基云图数据集；S3，搭建卷积神经网络模型；S4，将地基云图数据集按比例分为训练集、测试集和验证集，采用训练集对卷积神经网络模型进行训练；S5，利用上述的验证集对训练好的卷积神经网络模型进行验证，根据结果调整卷积神经网络模型；S6，利用调整后的卷积神经网络模型对上述的测试集进行识别，得到识别结果；S3中，卷积神经网络模型包括特征提取模块和主网络模块，主网络模块基于ResNet模型和DensNet模型建立，且包括BlockA模块、BlockB模块及BlockC模块。提高了卷积神经网络模型的抗过拟合性，提高了模型的识别准确。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
