-
公开(公告)号：CN111666715A
公开(公告)日：2020-09-15
申请号：CN202010505376.3
申请日：2020-06-05
Applicant: 北京理工大学
Abstract: 本发明公开一种电动汽车能耗预测方法及系统，涉及汽车领域。该方法包括：对电动汽车的历史行驶数据进行分割处理，得到行程片段数据和动力学片段数据；利用动力学片段数据和马尔可夫-蒙特卡洛方法对电动汽车进行工况预测，得到电动汽车的工况预测数据；将行程片段数据的行驶特征参数作为输入，能耗数据作为输出，利用机器学习方法建立能耗预测模型；将工况预测数据的行驶特征参数输入建立的能耗预测模型，得到能耗预测值。本发明基于电动汽车的历史行驶数据，提取其行驶特征，在进行能耗预测时首先基于车辆当前的状态预测车辆的未来行驶工况，将车辆未来行驶工况预测融合到能耗预测的过程中，提高了电动汽车在实际行驶工况下的能耗预测精度。
-
公开(公告)号：CN118691067A
公开(公告)日：2024-09-24
申请号：CN202410332616.2
申请日：2024-03-22
Applicant: 北京理工大学
IPC: G06Q10/0635 , G06Q10/083 , G06Q10/10 , G06Q50/26
Abstract: 本发明提供了一种客滚船载运新能源汽车安全风险辨识方法，通过搭建上下两层监管体系，能够对待上船的新能源汽车安全状态进行实时监测和评估，有助于提高客滚船载运管理的精准性和效率，使得监管能够更加科学、合理地进行。通过引入新能源汽车上船前的两级安全评估系统，本发明可以有效评估新能源汽车的安全状态，提前发现潜在的安全隐患，可有效降低新能源汽车在运输过程中发生火灾等事故的概率，从而提高滚装船载运新能源汽车的整体安全性。
-
公开(公告)号：CN118014002A
公开(公告)日：2024-05-10
申请号：CN202410252156.2
申请日：2024-03-06
Applicant: 北京理工大学
Abstract: 本发明提供了一种实车数据驱动的实车工况电池电化学参数在线辨识方法，通过基于数据帧数的全局敏感度分析，得到了实车采样周期影响下的电化学参数敏感性变化并以此作为分组辨识的基础，使参数辨识难度得以降低；结合布谷鸟算法搜索性强以及粒子群算法收敛速度快的特点，所设计出的新型辨识算法，能够在精度与速度方面都明显优于现有技术；本发明的方法适于在线应用，不仅避免了实验测量的误差，同时也无需破坏性地打开电池，仅在车辆实际运行的时即可以得到较精确的电池内部电化学参数，从而具有极高的便利性。
-
公开(公告)号：CN117825967A
公开(公告)日：2024-04-05
申请号：CN202410012363.0
申请日：2024-01-04
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供了一种基于电压异常的动力电池安全预警方法，通过将GBDT算法、孤立森林算法及箱型图法有机结合来建立单体电压预测模型及异常单体识别模型，且全面考虑了影响电池电压的车辆充电状态、运行状态、驾驶行为等多种因素，从而能够快速而又准确地识别出车辆动力电池系统中的异常单体，克服了现有技术中所存在的局限性。本发明所使用的数据可以取自已有的新能源汽车大数据平台，因而能够为电动车辆安全预警系统的改进和优化提供有力支持，并具有更广泛的适用性和更高的实时性。
-
公开(公告)号：CN117493842A
公开(公告)日：2024-02-02
申请号：CN202311216429.X
申请日：2023-09-20
Applicant: 北京理工大学
IPC: G06F18/213 , G06F18/10 , G06F18/214 , G06Q10/04 , G06Q50/40 , G06N20/00
Abstract: 本发明提供了一种基于机器学习的电动公交车能耗预测方法，其通过对部分难以直接提取的能耗相关特征参数建立基于机器学习的预测模型，有效解决了特征提取不符合实际的问题，显著改善了用于电动公交车能耗预测的数据质量与模型训练水平，提高了能耗预测结果的精确性。本方法的实现较为简便，能够有效节约计算资源。
-
Patent Agency Ranking
公开(公告)号：CN116960557A
公开(公告)日：2023-10-27
申请号：CN202310917656.9
申请日：2023-07-25
Applicant: 北京理工大学
IPC: H01M50/258 , B60L53/80 , B60L50/64 , H01M50/249 , H01M10/613 , H01M10/615 , H01M10/625 , H01M10/653 , H01M10/6551 , H01M10/6571 , H01M10/658 , H01M10/42
Abstract: 本发明提供了一种可更换电池包的子母结构可充电电池系统，以子母包的结构形式实现了电池系统的灵活组合与自由更换，既满足电池子包损坏时的拆装需求，也可通过由满电子包替换亏电子包的方式来丰富电池补能手段。本发明综合利用散热鳍片、导热灌封胶、气凝胶隔热毡、铝合金板等部件或材料，针对电池系统的热蔓延情况提供了有效的热防护设计，还可利用PI加热片实现低温条件下的快速升温。电池系统中的BMS可以无线方式与云平台通讯，从而可以实现车端与云端融合的电池状态估计、故障诊断与风险评估功能，显著提高了对电池系统监管的实时性、精确性与全面性。
-
公开(公告)号：CN116069826A
公开(公告)日：2023-05-05
申请号：CN202310076603.9
申请日：2023-01-16
Applicant: 北京理工大学
IPC: G06F16/2458 , G06F16/215 , G06F16/21 , G07C5/08 , G06F18/15
Abstract: 本发明提供了一种基于数据挖掘的电动汽车电池系统缺陷识别方法，其首先准备好不同车型数据并上传至大数据平台后，由大数据平台依次执行数据预处理、缺陷特征参数提取、缺陷特征数据库构建几个步骤实现电池单体不一致性缺陷特征数据库的构建，可对各单车在不同地域、季节、里程区间的充电或行驶片段与相应阈值比较来确定是否存在电池系统缺陷，相对于现有技术显著提高了电池缺陷识别的准确性与实时性。
-
公开(公告)号：CN111666715B
公开(公告)日：2023-04-25
申请号：CN202010505376.3
申请日：2020-06-05
Applicant: 北京理工大学
Abstract: 本发明公开一种电动汽车能耗预测方法及系统，涉及汽车领域。该方法包括：对电动汽车的历史行驶数据进行分割处理，得到行程片段数据和动力学片段数据；利用动力学片段数据和马尔可夫‑蒙特卡洛方法对电动汽车进行工况预测，得到电动汽车的工况预测数据；将行程片段数据的行驶特征参数作为输入，能耗数据作为输出，利用机器学习方法建立能耗预测模型；将工况预测数据的行驶特征参数输入建立的能耗预测模型，得到能耗预测值。本发明基于电动汽车的历史行驶数据，提取其行驶特征，在进行能耗预测时首先基于车辆当前的状态预测车辆的未来行驶工况，将车辆未来行驶工况预测融合到能耗预测的过程中，提高了电动汽车在实际行驶工况下的能耗预测精度。
-
公开(公告)号：CN114819657A
公开(公告)日：2022-07-29
申请号：CN202210468080.8
申请日：2022-04-29
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明提供了一种基于大数据的新能源公交车辆综合性能评价方法，从经济性、可靠性和安全性三个方面对新能源公交车辆构建了完整的性能评价指标体系，能够充分利用海量新能源公交车辆的历史大数据，对特定车型、特定厂商以及厂商制造的特定车辆类别，均能实现科学客观的性能评价，相对于传统燃油公交车辆以及相关现有技术，克服了车辆性能评价只能借助条件严苛且过程繁重的离线测试的缺陷，有利于对日益增长的车辆与车型进行及时精确的管理，从而具有了现有技术所无法提供的诸多有益效果。
-
公开(公告)号：CN114371418A
公开(公告)日：2022-04-19
申请号：CN202210016953.1
申请日：2022-01-07
Applicant: 北京理工大学
IPC: G01R31/392 , G01R31/387
Abstract: 本发明提供了一种基于实车充电数据的增量容量曲线确定方法，其利用埃尔米特插值多项式拟合各充电片段中容量与电压之间的函数关系，能够保证精确计算增量容量曲线特征的同时，显著降低对计算资源的需求，从而有利于促进基于远程大数据平台对新能源汽车实时SOH估计的实现，并具有现有技术所不具备的诸多有益效果。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.028 seconds)
