-
公开(公告)号：CN115310285B
公开(公告)日：2024-06-04
申请号：CN202210945734.1
申请日：2022-08-08
Applicant: 重庆大学 , 赛力斯汽车有限公司 , 重庆金康动力新能源有限公司
Abstract: 本发明公开了一种新能源汽车电机温度场数字孪生模型构建方法，包括如下步骤：S1：数据采集：采集电机在不同工况下的时序数据；S2：数据预处理：对采集的时序数据进行缺失值填充、异常值剔除和数值标准化处理；S3：将经预处理后的时序数据分为训练集和测试集；S4：训练模型：构建深度学习模型，以训练集训练深度学习模型以更新模型参数，以损失函数为目标函数以判断是否达到模型训练的终止条件；当达到模型训练终止条件后，得到预测模型；S5：将测试集输入预测模型中并得到电机温度分布的预测结果；判断预测结果是否达到预设的评价指标：若是，则以该预测模型构建得到电机温度场数字孪生模型；若否，则执行步骤S4。
-
公开(公告)号：CN116821650A
公开(公告)日：2023-09-29
申请号：CN202310479992.X
申请日：2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC: G06F18/213 , G06F18/214 , G06N3/048 , G06N3/08 , G01M17/007 , G01M15/04 , G01R31/34
Abstract: 本发明公开了一种增程器故障检测与诊断方法，针对故障检测时采集的多通道原始信号的特点，在增程器故障检测模型中串联设置多个非线性处理模块以深度挖掘潜在的增程器故障特征，使模型输出结果不断向真实结果逼近，最终实现对增程器故障的检测与诊断；将增程器故障检测模型嵌入到汽车的ECU内后，在行车过程中，可以实时采集多通道原始信号，并利用ECU内的增程器故障检测模型对增程器的当前工况状态进行实时检测，根据增程器故障检测模型输出的增程器的工况表达结果，能够得出增程器处于正常工况状态还是故障工况状态。本发明还公开了一种增程器故障检测与诊断方法和一种增程器维护方法。
-
公开(公告)号：CN116821355A
公开(公告)日：2023-09-29
申请号：CN202310480041.4
申请日：2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
Abstract: 本发明公开了一种混合动力汽车传动系统知识图谱构建方法，在构建混合动力汽车传动系统的知识库和实例库的基础上建立混合动力汽车传动系统知识本体模型，结合混合动力汽车传动系统的特点，将混合动力汽车传动系统知识本体模型设置为包括传动方案本体、组件结构本体、参数计算模型本体和设计过程知识关系集合而后通过实体识别、关系抽取和实体对齐的知识加工，能够准确、高效地从大数据萃取新的知识，有利于知识挖掘和知识扩散，把知识图谱的应用范围从数据检索和定性决策提升至综合决策，从而有效解决制造场景中的复杂问题。本发明还公开了一种混合动力汽车传动系统知识图谱推理方法的原理框图和一种混合动力汽车传动系统快速设计系统。
-
公开(公告)号：CN116522498A
公开(公告)日：2023-08-01
申请号：CN202310487553.3
申请日：2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC: G06F30/15 , G06F30/27 , G06F119/06
Abstract: 本发明公开了一种增程式电动车能耗和排放协同优化方法，包括如下步骤：S1：基于深度学习网络构建车辆系统能耗和排放模型，利用车辆系统能耗和排放模型构建车辆运行状态数据与能耗和排放之间的映射关系：S2：构建目标函数和约束条件：S3：实时采集车辆运行状态数据，在保持除发动机转速和发动机转矩外的其他车辆运行状态数据不变的条件下，求解使车辆能耗值和排放值最小的发动机转速和发动机转矩。本发明还公开了一种增程式电动车控制方法，利用数据驱动的方式，研究增程式电动车辅助动力单元协调控制策略与系统能耗和排放之间的关系，建立面向节能减排的双目标全局智能优化方法，为APU和动力电池的协调控制提供指导。
-
公开(公告)号：CN116522140A
公开(公告)日：2023-08-01
申请号：CN202310485390.5
申请日：2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC: G06F18/214 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种多任务深度学习模型，包括底部共享层、顶部任务层和门控网络；所述底层共享层包括多个特征提取模型，每个所述特征提取模型用于分别从输入数据内提取特征；所述顶部任务层与学习任务一一对应设有特定任务模型，所述门控网络与所述特定任务模型一一对应设置，所述门控网络以输入数据作为输入特征并输出经Softmax函数处理后的权重参数；所有的所述特征提取模型提取得到的特征经所述权重系数加权后进行组装得到的特征作为对应的所述特定任务模型的输入以执行特定的学习任务。本发明还公开了一种锂电池健康状态和剩余寿命预测方法和锂电池健康状态和剩余寿命控制方法。
-
Patent Agency Ranking
公开(公告)号：CN116481452A
公开(公告)日：2023-07-25
申请号：CN202310603133.7
申请日：2023-05-25
IPC: G01B11/22
Abstract: 本发明公开了一种深孔膛线深度检测方法，包括如下步骤：步骤一：获取测量数据：11)将光谱共焦位移传感器安装在一根与待测管件的轴线平行的安装轴上，使光谱共焦位移传感器伸入到待测管件的设定位置后，使光谱共焦位移传感器保持静止、待测管件轴向速度为零；12)驱动待测管件绕安装轴匀速转动一周，在待测管件转动过程中，利用光谱共焦位移传感器对待测管件的内壁进行测量，得到一条反应待测管件内壁与光谱共焦位移传感器之间的距离随着时间变化的曲线；步骤二：获取膛线深度：将所有的波峰段拟合为第一正弦曲线，将所有的波谷段拟合为二条正弦曲线，则得到膛线的深度为：d＝|k1‑k2|，k1和k2分别表示第一正弦曲线和第二正弦曲线的偏距。
-
公开(公告)号：CN114237154B
公开(公告)日：2023-06-30
申请号：CN202111421117.3
申请日：2021-11-26
Applicant: 重庆大学
IPC: G05B19/404
Abstract: 本发明公开了一种基于ONT‑GCN时空模型的热误差预测模型及其建模方法和霾‑边‑雾‑云误差补偿系统。本发明基于ONT‑GCN时空模型的热误差预测模型，利用LSTMN神经网络捕捉传感器收集的数据的时间依赖性，利用GCN神经网络捕捉拓扑结构的空间特征，可以将捕获的空间特征和时序特征保留在ONT‑GCN单元中；ONT‑GCN单元的独特排序特性允许保留重要的热误差信息，因此，ONT‑GCN单元可以有序地传递热误差的时间和空间特征，从而提高热误差的预测精度。本发明的霾‑边‑雾‑云误差补偿系统，云计算具有强大的计算能力，用于解决耗时问题；通过设置雾计算层和边缘层等分布式计算层，可缓解工业互联网的带宽压力；通过霾计算层以加快信息获取过程，从而以保证系统执行效率和机床的加工精度。
-
公开(公告)号：CN116205059A
公开(公告)日：2023-06-02
申请号：CN202310123753.0
申请日：2023-02-16
Applicant: 重庆大学
IPC: G06F30/20 , G06F30/17 , G06T17/20 , G06F119/02
Abstract: 本发明公开了一种车削加工工件表面三维形貌预测方法，包括如下步骤：步骤一：构建目标曲面的Marching Cubes等值面：根据目标曲面的范围，构建一个立方体网格；在立方体网格中的每个格点上运算隐函数的值；根据隐函数值的符号，基于Marching Cubes算法，生成三角形面片及三角形相应的各顶点值；步骤二：对目标曲面进行均匀随机采样：根据已建立的三角形等值面网格，均匀随机的在每个三角形网格内部取得采样点，以实现对目标曲面的均匀随机采样；步骤三：对目标曲面进行三维形貌预测：基于复杂自由曲面路径规划的刀位点数据，对车刀走刀轨迹进行建模，并计算每个随机采样点上的残余高度，实现对目标曲面的三维形貌预测。
-
公开(公告)号：CN113878382B
公开(公告)日：2023-05-23
申请号：CN202111291400.9
申请日：2021-11-01
Applicant: 重庆大学
IPC: B23Q3/06
Abstract: 本发明公开了一种分形夹具单元，包括至少两级分形夹具体，分别为第1级分形夹具体、第2级分形夹具体、……、第n级分形夹具体，其中，n≥2；对于第i级分形夹具体和第i+1级分形夹具体：所述第i级分形夹具体上设有至少2个弧形槽，所述弧形槽内设有与其同轴的第一弧形轨道，所述第i+1级分形夹具体上设有第二弧形轨道，所述第i级分形夹具体的所述弧形槽内分别安装有所述第i+1级分形夹具体，且所述第i+1级分形夹具体的第二弧形轨道与所述第i级分形夹具体的所述第一弧形轨道滑动配合，其中，i＝1,2，……，n‑1。本发明还公开了一种分形夹具和分形夹具装置，能够适用于各类不同形状和尺寸的物体的装夹要求。
-
公开(公告)号：CN116009396A
公开(公告)日：2023-04-25
申请号：CN202211630038.8
申请日：2022-12-19
Applicant: 重庆大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于动态距离语义超图卷积网络的时空误差预测模型，针对空间信息包含的基于距离的信息和基于语义的信息的两种依赖关系，通过区分距离图和语义图，全面捕获空间行为，包括基于距离和基于语义的热误差信息；另外，采用语义超图卷积可以表征多个传感器节点间的依赖关系，通过构建语义超图捕捉高阶空间行为；采用动态距离图卷积表征传感器网络中传感器节点的位置随时间变化，通过构建动态距离图捕捉动态空间行为；最后，利用最小门控单元结合动态距离图和语义超图，通过动态时空超图卷积捕获热误差的动态高阶时空行为，挖掘热误差的动态时空特征，能够有效提高误差预测精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
415
records
(took 0.054 seconds)
