-
公开(公告)号：CN119218045A
公开(公告)日：2024-12-31
申请号：CN202310788240.1
申请日：2023-06-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了动力电池热失控的预警方法及系统、存储介质、电子设备，其预警方法包括以下步骤：将原始实车数据通过预处理获得充电行程数据；获得充电行程数据与热失控之间的强相关特征，对强相关特征进行聚合，将聚合结果输入预训练好的分级预警模型中；所述强相关特征包括：机理特征、统计特征和频域特征；分级预警模型根据预设分级策略确定热失控的预警等级并执行预警，本发明结合了数据预处理、特征聚合、AI模型预测、大数据支持等多种方法，可以实现高效准确的故障预警，提高新能源车辆的安全性和使用寿命。
-
公开(公告)号：CN114379475B
公开(公告)日：2024-02-02
申请号：CN202210114915.X
申请日：2022-01-31
Applicant: 重庆长安汽车股份有限公司
IPC: B60R13/04
Abstract: 本发明公开了一种汽车表面装饰结构、表面安装结构、控制系统及车辆。所述表面装饰结构包括支撑板、若干装饰鳞片和驱动电机；所述支撑板的一端与所述驱动电机的驱动轴相连，且该驱动电机的驱动轴能够沿其长度方向伸长或缩短，使支撑板与驱动电机相连的一端能够随驱动电机的驱动轴的伸缩而移动；在支撑板上设有支撑杆，在装饰鳞片靠近支撑板的一侧设有固定杆，所述支撑杆与固定杆之间转动连接使装饰鳞片能够相对支撑板转动。本发明能够使汽车表面呈现出全新的造型，满足人们对汽车造型的需求，提升汽车智能交互体验。
-
公开(公告)号：CN115755833A
公开(公告)日：2023-03-07
申请号：CN202211362760.8
申请日：2022-11-02
Applicant: 重庆长安汽车股份有限公司
IPC: G05B23/02
Abstract: 本发明提供一种基于历史数据的云诊断车辆PHM的方法和系统，该以云诊断为主，本地诊断辅助诊断，利用基于历史数据构建的人工智能算法对关键系统和关键部件逐一进行故障预测和健康评分，以云诊断平台为功能中心实时地进行故障预测和健康评分，以云诊断平台为数据中心实时管理海量数据，通过调用云诊断平台的接口使得用户端随时随地掌握车辆故障情况和健康评分，达到提高结果的准确性和可靠性，快速定位到具体的故障位置，为用户提供决策支持的目的。
-
公开(公告)号：CN114789258A
公开(公告)日：2022-07-26
申请号：CN202210467295.8
申请日：2022-04-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种回转类零件虚拟加工方法，其包括如下步骤：S1，基于回转类零件的实际尺寸，构建回转类零件的三维离散化模型；S2，构建包括刀具组件模块和夹具组件模块的车床模型，将三维离散化模型通过夹具组件模块与车床模型连接；S3，通过车床模型上挂载的脚本控制回转类零件的三维离散化模型作旋转运动，控制刀具组件模块作直线运动，若刀具组件模块的切削面在直线运动过程中与三维离散化模型中的单个离散圆环发生碰撞时，去除该离散圆环碰撞位置的部分，实现回转类零件的虚拟加工。其能够实现回转类零件多种加工工艺的虚拟加工仿真，应用广泛。
-
公开(公告)号：CN119523485A
公开(公告)日：2025-02-28
申请号：CN202311117174.1
申请日：2023-08-30
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请公开了一种分心检测方法、电子设备及存储介质，电子设备获取驾驶员在驾驶状态下的脑电数据；基于目标分心检测模型对脑电数据进行分心检测，获得驾驶员在驾驶状态下的分心检测结果；其中，目标分心检测模型是利用训练数据集对初始分心检测模型进行训练获得的，训练数据集是基于第一预设N‑back实验任务和第二预设N‑back实验任务获取的，第一预设N‑back实验任务表征在视觉干扰的模拟驾驶状态下进行的N‑back实验任务，第二预设N‑back实验任务表征在听觉干扰的模拟驾驶状态下进行的N‑back实验任务。
-
Patent Agency Ranking
公开(公告)号：CN118961982A
公开(公告)日：2024-11-15
申请号：CN202310547790.4
申请日：2023-05-15
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供了一种汽车零部件的气味评价方法及装置、存储介质、电子装置，其中，该方法包括：获取汽车的零部件集合中的每种零部件在测试环境下挥发气体的气味物质浓度和气味评价参考值；采用每种零部件的气味评价参考值和气味物质浓度构建预测数据集，并整合所有零部件得到整车数据集；采用每种零部件的预测数据集训练机器学习模型，得到最优子模型；采用动态加权融合多个最优子模型，得到最终气味评价模型。通过本发明实施例，解决了相关技术中评价汽车零部件气味等级的效率低和准确率低的技术问题，减小气味评价对人员身体健康的影响，能客观化的描述零部件气味物质等级，减少了评价人员的主观偏差，提高了汽车零部件气味物质等级的评价准确性。
-
公开(公告)号：CN118609237A
公开(公告)日：2024-09-06
申请号：CN202410779573.2
申请日：2024-06-17
Applicant: 重庆长安汽车股份有限公司
Abstract: 本公开涉及一种车辆能耗预测方法、装置、设备及存储介质，其中，车辆能耗预测方法包括：获取目标车辆当前时刻对应的车辆驾驶风格信息以及车辆能耗影响因素信息；基于车辆能耗影响因素信息，确定模型输入向量；基于车辆能耗预测模型的第一子模型，对车辆驾驶风格信息进行处理，确定目标车辆的车辆识别码特征向量；基于车辆能耗预测模型中除第一子模型以外的子模型，对车辆识别码特征向量和模型输入向量进行处理，确定车辆能耗预测结果。本公开中，车辆能耗预测模型的第一子模型采用了有监督的对比学习网络，可以提高特征表示的质量和判别性，可以充分挖掘驾驶员的个性化信息，从而缓解驾驶员稀疏性问题，更好地提高车辆能耗预测结果的可靠性。
-
公开(公告)号：CN116653817A
公开(公告)日：2023-08-29
申请号：CN202310597004.1
申请日：2023-05-24
Applicant: 重庆长安汽车股份有限公司
IPC: B60R16/023 , G06F18/214 , G06F18/24 , G06N3/04 , G06N20/00
Abstract: 本申请涉及智能汽车领域，特别涉及故障预警方法、模型训练方法、装置、车辆及存储介质。该方法应用于车辆终端；车辆终端包括故障预警模型；方法包括：获取车辆在第一预设时间段内的状态数据；根据蓄电池电流的变化趋势，确定车辆在第一预设时间段内的M个启停时间区间；根据M个启停时间区间，对第一预设时间段内的状态数据进行划分，得到M个状态数据集；将M个状态数据集内的状态数据进行聚合，得到目标状态数据集；根据目标状态数据集和故障预警模型，确定故障预警结果。由此，可以解决对汽车的零部件进行故障预警时，若对车辆的状态数据的划分代表性不佳，会导致故障预警的准确性不高的问题。
-
公开(公告)号：CN115439685A
公开(公告)日：2022-12-06
申请号：CN202211034501.2
申请日：2022-08-26
Applicant: 重庆长安汽车股份有限公司
IPC: G06V10/764 , G06V10/762 , G06V10/82 , G06V10/77 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种小样本图像数据集划分方法及计算机刻度存储介质，包括S1.利用距离度量学习的深度神经网络获取目标图像数据集的深度特征，构造带有中心损失的损失函数优化训练网络，将目标图像数据转化为其对应的深度特征向量；S2.利用基于距离聚类算法，对获取的目标图像数据集的深度特征，按照数据集原有的类别标签，将不同图片的深度特征表示输入距离聚类算法，算法输出聚类划分中心，然后根据聚类划分中心对每个类别的图片内部进行聚类，得到每一个样本所属的层次；S3.根据聚类结果，利用分层采样的方式在每一类数据的不同层次中进行采样，得到分布均匀的训练集以及测试集，用于后续模型的训练。本发明通过距离度量学习的深度神经网络的方式使其能够得到图像数据更好的特征表达，通过该特征表达方式进行聚类并分层采样，划分出分布更均匀、训练效果更好的数据集。
-
公开(公告)号：CN115291586A
公开(公告)日：2022-11-04
申请号：CN202210827719.7
申请日：2022-07-14
Applicant: 重庆长安汽车股份有限公司
IPC: G05B23/02
Abstract: 本发明公开了一种车辆健康状态评估和交互显示方法、系统、车辆及存储介质，包括：数据采集模块，其包括电控单元、扫描装置、摄像装置和CAN总线；处理器，对数据采集模块所采集的数据进行处理，处理器与数据采集模块连接；异常检测与故障诊断模块，基于处理器所处理的数据对车辆进行异常检测、故障诊断分析、零部件或区域损坏程度检测，异常检测与故障诊断模块与处理器连接；以及故障可视化建模模块，基于异常检测与故障诊断模块所检测的结果显示发生异常或故障的位置或区域，故障可视化建模模块与处理器连接。本发明实现了对车辆健康状态的全面评估，并能够将车辆健康状态评估结果可视化。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.037 seconds)
