一种基于人工智能的新能源车辆侧翻预警方法

    公开(公告)号:CN113771864A

    公开(公告)日:2021-12-10

    申请号:CN202110676169.9

    申请日:2021-06-18

    Abstract: 本发明公开了一种基于人工智能的新能源车辆侧翻预警方法,该方法包括如下步骤:建立理想的、反映车辆侧翻规律的侧翻力学模型;根据对于侧翻力学模型的分析结论,选择合适的参数作为侧翻预警模型的输入参数;选取横向载荷转移率作为侧翻预警指标,并将结果划分为5类;通过多层神经网络训练同时调整超参数后,实现输入相应参数后输出预测的载荷转移率;基于步骤四得到的载荷转移率确定步长后预测下一时刻的载荷转移率,若达到侧翻条件,则计算TTR时间并输出;若在时间阈值内未达到侧翻条件,则进入下一轮预警。本发明的有益效果如下:保证了预警的准确性和普适性;比普通的动态门限值具有更好的实时性;提高了预警效率。

    一种多特征纯电动汽车行驶工况构建方法

    公开(公告)号:CN114970730B

    公开(公告)日:2024-11-22

    申请号:CN202210611629.4

    申请日:2022-05-31

    Abstract: 本发明涉及汽车行驶性能测试技术领域,公开了一种多特征纯电动汽车行驶工况构建方法,主要在于获取纯电动汽车车速信号和电池信号数据后将数据划分为多个运动片段,并针对数据进行优化处理,在优化完成后从多个维度对运动片段进行特征提取并采用主成分分析法对运动片段特征进行特征降维,再采用K‑Means++聚类方法对降维后的运动片段进行无监督聚类分析,最终得到多个候选工况,并计算候选工况中不包含极值的特征参数,然后与总体数据计算相对误差值,选取误差率最小的工况作为代表工况输出。本发明具有提升纯电动汽车行驶工况数据质量和数据片段代表性,降低工况与总体数据的相对误差,提高纯电动汽车行驶工况分析结果准确性的有益效果。

    一种基于运行数据的新能源汽车电池电压故障诊断方法

    公开(公告)号:CN117783890A

    公开(公告)日:2024-03-29

    申请号:CN202410087942.1

    申请日:2024-01-22

    Abstract: 本发明涉及电动车电池故障诊断方法领域,具体涉及一种基于运行数据的新能源汽车电池电压故障诊断方法,对电池信号数据进行清洗处理得到时间、充放电数据和电压矩阵;将满足预设条件的时间和电压矩阵保留;对电压矩阵中特征提取并对每一行数据进行计算得到特征矩阵D;对特征矩阵D滑动均值滤波处理得到电压特征提取矩阵;对电压特征提取矩阵滑动计算,对窗口内每个电芯的特征求和计算后再差分计算得到特征值趋势变化矩阵;据时间点对电压特征提取矩阵和特征特征值趋势变化矩阵的特征向量进行遍历,判断其特征值是否满足条件,若是则判断为疑似异常;若在同一电芯的同一时刻发生疑似异常,则判定为最终发生异常。本发明降低故障诊断的误报率。

    一种多特征纯电动汽车行驶工况构建方法

    公开(公告)号:CN114970730A

    公开(公告)日:2022-08-30

    申请号:CN202210611629.4

    申请日:2022-05-31

    Abstract: 本发明涉及汽车行驶性能测试技术领域,公开了一种多特征纯电动汽车行驶工况构建方法,主要在于获取纯电动汽车车速信号和电池信号数据后将数据划分为多个运动片段,并针对数据进行优化处理,在优化完成后从多个维度对运动片段进行特征提取并采用主成分分析法对运动片段特征进行特征降维,再采用K‑Means++聚类方法对降维后的运动片段进行无监督聚类分析,最终得到多个候选工况,并计算候选工况中不包含极值的特征参数,然后与总体数据计算相对误差值,选取误差率最小的工况作为代表工况输出。本发明具有提升纯电动汽车行驶工况数据质量和数据片段代表性,降低工况与总体数据的相对误差,提高纯电动汽车行驶工况分析结果准确性的有益效果。

    一种基于运行数据的动力电池电芯异常自放电的识别方法

    公开(公告)号:CN114430080B

    公开(公告)日:2022-07-29

    申请号:CN202210102011.5

    申请日:2022-01-27

    Abstract: 本发明涉及故障诊断技术领域,公开了一种基于运行数据的动力电池电芯异常自放电的识别方法,包括以下步骤:步骤1:解析得到基本电池信号数据;步骤2:清洗基本电池信号数据,得到标准电池信号数据;步骤3:由标准电池信号数据中选择充电状态数据;步骤4:按照提取策略对充电状态数据中每个电芯的电压数据进行特征提取,得到电芯特征值;步骤5:进行异常检测;步骤6:根据实时异常检测结果,判定电芯是否存在突发性自放电异常;根据长周期异常检测结果,判定电芯是否存在持续性自放电异常。本发明能够及时识别电芯异常自放电状况,保证识别的准确性和故障识别判定的高效率,并且,对自放电异常故障定位实现到电芯级别,识别的精度高。

    一种新能源汽车电池采样异常故障识别方法

    公开(公告)号:CN114415054A

    公开(公告)日:2022-04-29

    申请号:CN202210101511.7

    申请日:2022-01-27

    Abstract: 本发明涉及新能源汽车电池技术领域,具体涉及一种新能源汽车电池采样异常故障识别方法,包括以下步骤:获取新能源汽车电池组中各个电芯在放电状态时的电压数据;对电压数据进行特征提取,形成距离累积矩阵;对距离累积矩阵中每个电芯的特征向量进行遍历,获取各个电芯的第一分位数和第二分位数;根据各个电芯的第一分位数和第二分位数,分别获取电池组整体的第一全局分位数和第二全局分位数,并以此对距离累积矩阵中每个电芯的特征向量进行遍历,判定此时刻是否发生采样异常;当采样异常在单位时间内累计发生次数达到设定次数时,则判定确实发生采样异常故障,并返回标记时刻及发生故障的电芯号。本发明解决了采样异常故障误报问题多的问题。

Patent Agency Ranking