-
公开(公告)号：CN119716546A
公开(公告)日：2025-03-28
申请号：CN202411522590.4
申请日：2024-10-29
Applicant: 长安大学
IPC: G01R31/36 , G01R31/392 , G01R31/396 , G01R31/378 , G01R31/382 , G01R31/3842 , G01R31/385 , G01R31/387 , G01R31/388 , G01R31/367
Abstract: 本发明公开了一种动力电池组荷电状态和可用容量估计方法及相关设备，通过对选择的代表性电池进行电压电位在线分解解耦，并对解耦后的电压电位进行特征提取及对输出的荷电状态和可用容量引入MCSCKF中优化，将代表性电池的荷电状态和可用容量代入对应公式中即可完成电池组的荷电状态与可用容量估计吗，本发明基于电池物理信息的机器学习以闭环的方式估计代表性电池的充电状态，根据代表性电池的状态计算电池组的剩余充电容量和剩余放电容量，最终实现在线准确、稳健地估计电池组的充电状态和容量。
-
公开(公告)号：CN117775001A
公开(公告)日：2024-03-29
申请号：CN202311815075.0
申请日：2023-12-26
Applicant: 长安大学
IPC: B60W40/13 , G06F18/213
Abstract: 本发明公开了一种基于车联网的车辆载重计算方法、系统、设备及存储介质，通过车辆静态信息及车联网数据获取，对采集数据进行预处理，划分趟次，计算各趟次的特征值指标，搜索趟次中工况稳定的小片段并计算该片段指标均值，匹配功率并计算小片段车重，最后取每个趟次所有小片段车重均值作为该趟次车重输出结果，较好的实现货车总质量的全程追踪，弥补了当前车辆测重成本高，效率低，可靠性差的问题，充分利用车辆自身的CAN数据以及低成本GPS数据，大幅降低车辆测重成本，并可以实现车重的全程测量。
-
公开(公告)号：CN115964676A
公开(公告)日：2023-04-14
申请号：CN202211738905.X
申请日：2022-12-30
Applicant: 长安大学
IPC: G06F18/25 , G06F18/214 , G06N3/088 , G06N20/10 , G06N3/0455
Abstract: 本发明公开了一种无监督自动驾驶汽车故障检测方法及系统，通过实时采集自动驾驶汽车的行驶状态数据，利用不同结构的自动编码器对获取的行驶状态数据进行检测，对不同结构的自动编码器检测结果进行融合得到编码器融合检测结果；同时采用一类支持向量机模型、局部离群因子模型和孤立森林模型分别对自动驾驶汽车的行驶状态数据进行检测得到各自的检测结果，将一类支持向量机模型、局部离群因子模型和孤立森林模型的检测结果与编码器融合检测结果进一步融合得到最终的检测结果，从数据驱动的角度设计了融合多个针对解决故障检测问题的方法的集成框架，可以有效地检测传感器数据异常和自动驾驶汽车运行状态的故障。
-
Patent Agency Ranking
公开(公告)号：CN114152968A
公开(公告)日：2022-03-08
申请号：CN202111450167.4
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种弱GNSS环境下车辆定位方法、系统、设备及可读存储介质，通过对车辆的序贯数据进行局部异常值处理与数据降噪处理，利用GNSS/INS组合导航系统获取车辆预测数据，并进行预处理，采用预处理后的车辆预测数据训练得到预训练模型，本发明基于GNSS/INS组合导航系统数据，从数据降噪和位置预测模型能够对车辆进行准确定位，解决GNSS/INS系统在弱GNSS条件下的车辆定位问题，大大提高了车辆的定位精确度；采用位置预测模型采用了数据驱动的LSTM模型，避免了建模的复杂性，考虑到离线训练和实时在线预测两个阶段数据形态的不同，离线训练时从数据整体角度入手进行异常值处理和滤波降噪，而在线预测时由于数据是序贯到达的，采用局部异常值处理和数据降噪方法，防止数据失真。
-
公开(公告)号：CN117056845A
公开(公告)日：2023-11-14
申请号：CN202311083571.1
申请日：2023-08-25
Applicant: 长安大学
IPC: G06F18/2433 , G06F18/2411 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N20/10
Abstract: 本发明公开了一种自动驾驶汽车异常检测方法及系统，采用自动驾驶车辆正常行驶状态下的系统运行数据信息训练深度神经网络异常检测模型得到训练好的异常检测模型；利用异常检测模型对自动驾驶车辆的实时数据进行检测得到自动驾驶车辆的检测结果，本发明能够有效支持工程师或相关领域专家调查黑箱异常检测模型预测的异常。除了有助于节省时间和维护成本外，它还实现了模型的透明性，从而促进工程师或相关领域专家信任所提出的异常检测模型。能够很好的展现对模型输出有重要影响的特征，以及展现这些特征单一地对模型输出产生的影响，进而提升领域专家对深度学习模型决策的理解，更为重要的是加快了领域专家对异常的定位和故障的诊断。
-
公开(公告)号：CN118914849A
公开(公告)日：2024-11-08
申请号：CN202410872646.2
申请日：2024-07-01
Applicant: 长安大学
IPC: G01R31/367 , G01R31/388 , G01R31/389 , G01R31/392
Abstract: 本发明公开了一种电动汽车动力电池状态预警方法、系统、设备及介质，通过利用训练好的压差预测模型和最低单体电压预测模型输出预测结果，将预测结果与阈值进行比对，对超出阈值的情况进行相应的预警，实时监测电池状态并运用神经网络算法进行数据分析，能够更早地预测电池的不一致性和欠压问题，从而提前进行预警；本发明优势在于预警时间提前，且对算力的要求较低，适合在电动汽车上实时应用。
-
公开(公告)号：CN115373008A
公开(公告)日：2022-11-22
申请号：CN202211064469.2
申请日：2022-08-31
Applicant: 长安大学
Abstract: 本发明公开了一种智能网联汽车协同定位方法及系统，通过车辆对其自身的位置信息进行修正后广播至其他协同车辆，然后对车辆广播的修正后的自身的位置信息进行通信时延误差补偿，根据通信时延误差补偿后车辆的位置信息，对车辆与其他协同车辆的相对位置进行预测，本发明利用分布式协同定位技术，通过加权平均融合多车多元信息，使得集群内各车辆都能得到较好的状态估计，考虑通信时延对协同定位方法的影响，并依据历史信息使用预测方法对时延带来的误差进行补偿，有效减轻恶劣通信环境下时延的负面影响，本发明考虑相对测距对协同定位的影响，构建了车间相对测距模型，利用神经网络预测车间相对位置，提高相对测距精度。
-
公开(公告)号：CN203995936U
公开(公告)日：2014-12-10
申请号：CN201420409296.8
申请日：2014-07-23
Applicant: 长安大学
Abstract: 本实用新型属于车辆安全技术领域，公开了一种安全车门。该装置包括车载工控机，用于实时测量车辆速度的速度传感器，用于测量车辆周围是否有运动的物体的多个测速传感器，用于根据车载工控机发出的提示信号进行提示的语音提示单元和显示屏，用于控制车门内把手的电磁开关；所述速度传感器的输出端和多个测速传感器的输出端分别对应电连接所述车载工控机的输入端，所述语音提示单元的输入端、显示屏的输入端和电磁开关的控制端分别对应电联接所述车载工控机的输出端。该装置能够有效提醒驾驶员或乘客下车前提前观察汽车周围的情况，避免车祸的发生，且该装置结构简单、使用方便、生产成本低。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
