-
公开(公告)号：CN114325449A
公开(公告)日：2022-04-12
申请号：CN202210006575.9
申请日：2022-01-05
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)
IPC: G01R31/392 , G01R31/367 , G01R31/385
Abstract: 本发明涉及电池技术领域，具体涉及一种锂离子电池SOH预测方法。本申请的方法包括：采集锂离子电池充电和放电过程中的充放电参数；根据充放电参数计算多个健康因子；采用PCA算法从多个健康因子中每个健康因子对应的特征向量、特征值以及贡献值，根据特征向量、特征值以及贡献值计算电池当前的SOH值。本申请中在计算电池的SOH值时考虑了每个健康因子的贡献值，并根据每个健康因子的贡献值对其进行优化，最后通过优化后得到的融合健康因子计算电池的SOH，经过实验验证计算出来的SOH更加精确，同时鲁棒性更好。
-
公开(公告)号：CN113978196A
公开(公告)日：2022-01-28
申请号：CN202111606818.4
申请日：2021-12-27
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)
IPC: B60G17/016
Abstract: 一种用于无人驾驶车辆的悬架侧倾抑制方法和系统，首先获取车辆的即时行驶状态参数和车辆预行驶的规划路径；再依据规划路径和即时行驶状态参数获取下一预设时间段的预测运动状态参数；然后当预行驶方向的转夹角大预设角度时，依据预测运动状态参数获取预测转向数据，并将预测转向数据和预测运动状态参数输入车辆悬架侧倾抑制数学模型，以获取预测悬架调节参数；最后车辆的悬架阻尼调节装置在下一预设时间段按获取的预测悬架调节参数进行设置。由于在车辆需要大幅度转弯时，提前获取最优的预测悬架调节参数，进而使得自动驾驶的车辆行驶更平顺、更稳定和更安全。
-
公开(公告)号：CN101417637B
公开(公告)日：2012-09-05
申请号：CN200810085027.X
申请日：2008-03-14
Applicant: 北京理工大学
IPC: B60R16/033 , B60R16/023 , G05B19/418 , H04L29/08
CPC classification number: Y02P90/02
Abstract: 本发明涉及一种用于纯电动客车电池管理系统的通讯系统，该通讯系统包括多个电池测控模块、电池管理系统中央控制模块、整车控制器、车载监视系统和地面监视系统、充电机。采用本发明借鉴SAE J1939制定了纯电动客车电池管理系统通信协议规范以及主要关键部件的通信内容和格式，满足电动车电池系统的管理、故障诊断通信协议的要求。
-
公开(公告)号：CN101417636A
公开(公告)日：2009-04-29
申请号：CN200810085028.4
申请日：2008-03-14
Applicant: 北京理工大学
IPC: B60R16/023 , H04L12/40
Abstract: 本发明提供了一种基于三路CAN总线的纯电动客车通信系统，包括：多个控制器和三路CAN总线，其中，所述CAN总线包括与多个控制器相耦合的由CAN1、CAN2和CAN3总线构成的三路CAN总线；所述CAN1总线为高速CAN总线，用于动力系统的控制；所述CAN2总线为高速CAN总线，用于动力电池单体数据的传输；所述CAN3总线为低速CAN总线，设置有多个车身控制节点，用于实现车身各部分的信息采集及控制。本发明使动力系统控制总线的负载率大大降低，确保了控制的实时性，提高了电动汽车的行车安全性。
-
公开(公告)号：CN119250154A
公开(公告)日：2025-01-03
申请号：CN202411341357.6
申请日：2024-09-25
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)
Abstract: 本申请公开了一种强化学习方法及系统，涉及强化学习领域，该方法包括：获取目标应用场景下的次优演示数据；通过智能体根据次优演示数据进行模仿学习，得到初始策略；基于初始策略，确定多个行为序列；根据多个行为序列，对奖励模型进行迭代训练，以得到训练后的奖励模型；基于训练后的奖励模型，在KL散度的对比强化学习算法中引入正则项，以得到带有正则项的对比强化学习损失函数；根据多个行为序列，基于训练后的奖励模型及带有正则项的对比强化学习损失函数，进行强化学习，以得到目标应用场景下最终的强化学习策略。本申请通过对奖励模型和对比强化学习的损失函数进行改进，智能体模仿学习次优演示数据后，能够快速学习到更优的策略。
-
Patent Agency Ranking
公开(公告)号：CN118722453A
公开(公告)日：2024-10-01
申请号：CN202410795198.0
申请日：2024-06-19
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)
IPC: B60R16/023 , B60L3/12 , B60L58/10
Abstract: 一种汽车及其域控系统，涉及汽车动力域控领域。该系统包括低压层、高压层和散热层，低压层包括采集模块、计算模块和控制模块，采集模块用于获取车辆信息，计算模块利用预设的控制算法对车辆信息进行计算，并输出车辆信息对应的控制结果；控制模块包括一个域控制器，用于根据所述控制结果输出对应的控制信号，根据控制信号对车辆的执行部件进行控制。高压层至少包括高压控制模块、直流转换模块、交流转换模块、动力电池和电机；高压控制模块获取控制信号，控制动力电池与直流转换模块的连接，以进行低压供电；和/或，高压控制模块获取控制信号，控制动力电池与交流转换模块的连接，以对电机进行控制。散热层对所述高压层进行散热。
-
公开(公告)号：CN112060972B
公开(公告)日：2023-11-03
申请号：CN201910496898.9
申请日：2019-06-10
Applicant: 北京理工大学
Abstract: 本发明提供了一种新型电池单体主动均衡系统，其中，电池模组中的每一电池单体对应连接在一个变压器的副边电路上，每一电池单体串联防反二极管，每个变压器的主边电路正极串联一个功率开关，所有变压器的主边电路负极短接在一起，在变压器的公共负极和接地端之间加有单片机控制的PWM波调制信号，变压器的自激源通过电荷泵来实现；所有功率开关与主动均衡通道选择电路连接，所有电池单体的正负极连接至TI采集芯片，从控电路板通过隔离CAN芯片与CAN总线连接并进行低压通信。本发明在传统电池管理系统主动均衡电路基础上加以改进，采用了基于恒功率变压器的主动均衡电路，改善电池串单体间电量的均衡效果，提高电池组的性能。
-
公开(公告)号：CN115597889A
公开(公告)日：2023-01-13
申请号：CN202211462704.1
申请日：2022-11-22
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)(CN)
IPC: G01M17/007
Abstract: 本发明涉及自动驾驶技术领域，具体涉及一种基于软件定义测试车辆的方法、系统及软件定义测试系统。本发明的方法通过簇结构获取实时道路信息、被测车辆的需求信息以及与测试需求信息对应的初始测试场景数据，然后根据被测车辆的测试需求信息和实时道路信息，对初始测试场景数据进行数据处理，得到与测试项目相对应的综合测试场景数据，最后根据综合测试场景数据调整测试车队中其余的测试车辆的行驶参数，进而实现对被测车辆的测试。采用本方案的测试车辆的方法和系统，可以模拟真实驾驶场景对被测车辆进行测试，并得到测试结果，使得自动驾驶功能测试得到有效保障。
-
公开(公告)号：CN112183008A
公开(公告)日：2021-01-05
申请号：CN201910524595.3
申请日：2019-06-18
Applicant: 北京理工大学 , 上汽大众汽车有限公司 , 南金瑞
IPC: G06F30/367
Abstract: 本发明提供了一种CAN总线网络的终端电阻匹配方法，将粒子群算法应用于解决CAN总线的终端电阻匹配的问题，利用了MATLAB和Saber软件的联合，实现了两个软件的数据共享，结合了两个软件的优势，并制定了CAN总线信号的量化评价指标。1)快速高效：当网络复杂时，通过现有的方法匹配终端电阻，往往不能解决问题，即便解决也需要花费几周的调试时间。本发明的方法只需要建立网络的电路模型，之后开始计算，1天左右的时间就可以出结果，并且计算出的结果要优于现有方法得出的结果；2)简单易行：不用求解网络的电路模型，只需要在Saber软件中建立对应的电路模型，降低了对优化人员的要求，使得本方法简单易行。
-
公开(公告)号：CN1649345A
公开(公告)日：2005-08-03
申请号：CN200510055245.5
申请日：2005-03-17
Applicant: 北京理工大学
Inventor： 南金瑞
IPC: H04L29/06
Abstract: 一种适用于纯电动客车控制系统CAN总线通讯技术。基于CAN2.0B和J1939的相关规定，提出了一种适用于纯电动客车的通讯协议。其中为整车控制器地址新分配了地址，电机控制器、电子节气门控制器、驾驶室显示器、ABS控制器和动力电池管理系统选用原SAE J1939定义已经分配了的地址。但是针对纯电动客车的对整车控制器、电机控制器、变速器和电池管理系统参数组和数据场包含的信息进行了详细新的定义。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
