-
公开(公告)号：CN119846475A
公开(公告)日：2025-04-18
申请号：CN202510063407.7
申请日：2025-01-15
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/382 , G01R31/3842 , G01R31/396 , G01R31/52
Abstract: 本发明公开了基于多特征融合的电池组内短路故障检测方法和系统。该方法包括：实时间隔抽样电池组内各单体的电压数据、电流数据和探针温度数据；根据该电压数据计算得到平均最大电压差F1；根据该电压数据经过去中心化处理后，计算得到最大去中心化电压偏差F2；根据该电流数据和探针温度数据，计算加权绝对电流‑温升比率F3；将所述平均最大电压差F1、最大去中心化电压偏差F2和加权绝对电流‑温升比率F3整合为特征点，将特征点整合映射为数据点；利用DBSCAN聚类算法对各数据点进行聚类，得到各异常数据点，根据各异常数据点得到电池组内中短路的电池单体。本发明采集电池组内电压、电流、温度数据，提取三种特征来表征电池组状态，能明显提高检测准确率和检测及时性。
-
公开(公告)号：CN119693712A
公开(公告)日：2025-03-25
申请号：CN202411858852.4
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T3/4038 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域，涉及一种基于改进YOLOv8的轻量式光伏电池板缺陷检测方法，包括：获取待检测的光伏电池板缺陷图像，将图像输入到FasterNet主干网络进行多尺度特征提取；将多尺度特征输入到特征融合模块中进行融合，得到融合特征图；将融合特征图输入到目标检测模块中，得到检测结果；所述输出模块用于对检测结果进行输出；本发明通过改进YOLOv8的主干网络和特征融合模块，在计算复杂度、检测精度和实时性等方面相较现有技术具有显著优势，尤其在处理多尺度缺陷、提高精度和增强鲁棒性方面表现突出，能够有效解决现有技术中的计算复杂度高、精度不足以及多尺度缺陷处理能力差的问题。
-
公开(公告)号：CN115123159A
公开(公告)日：2022-09-30
申请号：CN202210736326.5
申请日：2022-06-27
Applicant: 重庆邮电大学
IPC: B60T7/12 , B60T8/174 , B60T8/1755 , G06N3/04 , G06N3/08
Abstract: 本发明涉及新能源汽车制动领域，具体涉及一种基于DDPG深度强化学习的AEB控制方法及系统，包括构建基于策略网络和值网络构建动作‑评价网络，根据策略网络选择在当前行驶状态下的动作，值网络对选择的动作进行评价；构建基于目标策略网络和目标值网络的目标网络，使用经验回放机制从样本值中随机获取训练样本对策略网络和值网络进行离线训练和更新；目标网络根据在当前行驶状态下执行动作‑评价网络选择的动作后状态的评价值和系统的奖励函数更新策略网络；将当前行驶状态输入，通过基于策略网络和值网络构建动作‑评价网络选择最优的动作；本发明采用优化后的制动策略能够提高新能源汽车的经济效益，降低无效油耗，减缓车辆零件老化速度。
-
公开(公告)号：CN115056776A
公开(公告)日：2022-09-16
申请号：CN202210914120.7
申请日：2022-08-01
Applicant: 重庆邮电大学
IPC: B60W30/165 , B60W60/00 , B60W50/00
Abstract: 本发明涉及自动驾驶自适应巡航领域，具体涉及一种综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，包括获取当前车辆的运动轨迹数据，以及当前车辆跟驰车辆的运动轨迹数据；基于外界感知扰动，根据当前驾驶员的历史运动轨迹数据估计跟驰车辆的速度以及当前车辆与跟驰车辆间的距离；对当前车辆与跟驰车辆间的距离以及当前车辆行车速度中识别得到驾驶员特征参数；建立基于感知过程和驾驶员行为特征的跟车行为模型，将驾驶员特征参数以及当前车辆的速度作为输入，计算得到跟车距离离散值；本发明在描述个体驾驶人跟驰行为上表现出良好性能，与经典FVD模型预测结果对比的计算平均误差绝对值小于80％，与驾驶人实际跟驰行为的吻合度更高。
-
公开(公告)号：CN104883198A
公开(公告)日：2015-09-02
申请号：CN201510234609.X
申请日：2015-05-08
Applicant: 重庆邮电大学
IPC: H04B1/40
Abstract: 本发明公开了一种工作在230MHz频段的无线通信模块。本发明包括发送模块和接收模块。该无线通信模块的发送模块由微控制器芯片将处理后的数据通过串行接口通信的方式传递给射频芯片然后以电磁波形式在空间中传输，接收模块将采集到的数据经过串行接口传递给主控芯片，经过主控芯片的分析处理后通过串口方式传递到上位机直观的显示，230MHz无线频段的干扰较少。该模块主要用于配电监测，无线抄表等系统中。
-
Patent Agency Ranking
公开(公告)号：CN103780320A
公开(公告)日：2014-05-07
申请号：CN201410030506.7
申请日：2014-01-23
Applicant: 重庆邮电大学
IPC: H04B17/00
Abstract: 本发明请求保护一种基于FPGA的多频段数据检测仪，涉及无线传感器网络技术领域。该多频段数据检测仪包括，无线数据采集模块、数据管理和传输模块、存储器模块，无线数据采集模块由21个功能独立的射频接收模块构成，每个射频接收模块负责一个信道的数据采集，完成2.4GHz频段16个信道、780MHz频段4个信道和433MHz频段1个信道无线数据报文的采集，通过串口传输给数据管理模块，数据管理模块调度信道通过以太网传给上位机；存储器模块控制一个串口接收机，接收来自射频接收模块的串行比特流。将所有信道打上了时间戳的数据报文缓存在总FIFO中，最后，将处理后的数据报文通过网口上传到上位机做协议分析。
-
公开(公告)号：CN119986384A
公开(公告)日：2025-05-13
申请号：CN202510080739.6
申请日：2025-01-20
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了基于局部离群因子算法的电池包异常单体检测方法和系统。该方法包括：采用滑动窗口法，抽样采集电池包中每个电池单体的电压数据和电流数据，得到单体电压矩阵；根据单体电压矩阵U，分别得到第一电压特征F1和第二电压特征F2；根据单体电压矩阵U和电池单体的电流数据，计算每个单体在滑动窗口内的电压变化一致性特征F3；将所述第一电压特征F1、第二电压特征F2、电压变化一致性特征F3整合为特征点，将特征点整合映射为数据点；采用局部离群因子LOF算法对数据点集合进行异常检测，得到异常数据点，该异常数据点为电池包中的异常电池单体。本发明可以提高电池包内异常单体的准确性，并能判断异常情况类型。
-
公开(公告)号：CN118962457A
公开(公告)日：2024-11-15
申请号：CN202411050141.4
申请日：2024-08-01
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/392 , G06N3/0442 , G06N3/049 , G06N3/045 , G06F18/213 , G06F18/2131 , G06N3/0985 , G06N3/0464
Abstract: 本发明属于锂离子电池故障预测与健康管理领域，具体涉及一种基于TimesNet‑BiGRU神经网络的锂电池SOH预测方法，包括：获取锂电池循环有限次充放电数据；构建TimesNet‑BiGRU神经网络预测模型；训练TimesNet‑BiGRU神经网络；使用TimesNet‑BiGRU锂电池SOH预测模型进行预测；本发明针对复杂变化的时序信息的表征与预测问题，提出时序分析骨干网络TimesNet从二维空间视角分析一维时序变化，并建立TimesNet‑BiGRU神经网络预测模型，用于减轻梯度消失问题，并且该BiGRU可以并行计算加快运算效率及预测速度，有效增强锂电池SOH的预测效果。
-
公开(公告)号：CN116080475A
公开(公告)日：2023-05-09
申请号：CN202310089004.0
申请日：2023-02-03
Applicant: 重庆邮电大学
IPC: B60L58/12 , B60L58/10 , B60L58/24 , B60L53/00 , G06F17/18 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明属于电动汽车电池热管理技术领域，具体涉及一种电动汽车的电池充电优化管理方法，包括：获取车辆数据信息和环境信息；将车辆数据信息输入到预测模型中，得到未来一段里程的能耗值、未来平均速度；将环境信息输入到预测模型中，得到未来道路拥堵等级和未来一段里程对应的环境温度；将车辆数据信息、环境信息、未来一段里程的能耗值、未来平均速度、未来道路拥堵等级和未来一端里程对应的环境温度输入到决策模型中，得到电动汽车电池充电策略；根据电动汽车电池充电策略对电动汽车电池进行充电；本发明实现充电过程引导，优化电池充电状态，优化乘员舱温度。
-
公开(公告)号：CN115856640A
公开(公告)日：2023-03-28
申请号：CN202211628812.1
申请日：2022-12-18
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/392 , G06F18/213 , G06F18/24 , G06N3/08 , G06N3/0442
Abstract: 本发明属于电动汽车电池寿命预测领域，具体涉及一种基于在线特征提取的汽车电池系统使用寿命检测方法，该方法包括：实时获取待检测的电池数据，将该数据输入到训练好的汽车电池系统寿命检测模型中，得到检测结果；训练模型的过程包括获取与电池状态相关的高维度特征；根据高维度特征建立特征工程，得到高维度特征数据集；对高维度特征数据集中的高维度特征进行预处理；将预处理后的高维度特征输入到LSTM网络，得到电池寿命预测结果；本发明由于选择的输入特征是高维度‑多特征属性的数据集，并且利用LSTM网络模型，将会有效提高预测的准确度，并且提高模型的鲁棒性和安全性，能够通过实车数据集，直接实现电池SOH高精度预测。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.024 seconds)
