-
公开(公告)号：CN113960484B
公开(公告)日：2023-06-27
申请号：CN202111325129.6
申请日：2021-11-10
Applicant: 北京理工大学重庆创新中心 , 北京理工新源信息科技有限公司
IPC: G01R31/392 , G01R31/367
Abstract: 本发明提供一种基于单体压差的大数据电池健康诊断方法，其中具体步骤包括：数据处理得到充电电流矩阵J,单体端电压阵列G、计算获得平均端电压列向量、计算获得第n次充电的端电压压差矩列ΔVn、计算获得第n次充电各单体的平均压差向量Mn、通过Mn获得该电池Pack历次充电的单体压差矩阵M、排出干扰且采用M矩阵除以历次充电平均电流矩阵得到新的矩阵M’、按列进行拆分获得各个单体的历次充电压差电压向量ΔV’m、对向量ΔV’m采用最小二乘法进行一次拟合，得到各单体拟合直线的斜率km和截距bm。本发明采用单体电池的电压差结合电池组进行健康检测、基于电池充电次数的状态大数据进行多吃循环检测测定健康状态、检测标准合理、多次充电大数据检测精确效率高。
-
公开(公告)号：CN113960484A
公开(公告)日：2022-01-21
申请号：CN202111325129.6
申请日：2021-11-10
Applicant: 北京理工大学重庆创新中心 , 北京理工新源信息科技有限公司
IPC: G01R31/392 , G01R31/367
Abstract: 本发明提供一种基于单体压差的大数据电池健康诊断方法，其中具体步骤包括：数据处理得到充电电流矩阵J,单体端电压阵列G、计算获得平均端电压列向量、计算获得第n次充电的端电压压差矩列ΔVn、计算获得第n次充电各单体的平均压差向量Mn、通过Mn获得该电池Pack历次充电的单体压差矩阵M、排出干扰且采用M矩阵除以历次充电平均电流矩阵得到新的矩阵M’、按列进行拆分获得各个单体的历次充电压差电压向量ΔV’m、对向量ΔV’m采用最小二乘法进行一次拟合，得到各单体拟合直线的斜率km和截距bm。本发明采用单体电池的电压差结合电池组进行健康检测、基于电池充电次数的状态大数据进行多吃循环检测测定健康状态、检测标准合理、多次充电大数据检测精确效率高。
-
公开(公告)号：CN106844664B
公开(公告)日：2020-04-17
申请号：CN201710051558.6
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G06F16/22 , G06F16/2455 , G06F16/248
Abstract: 一种基于摘要的时间序列数据索引构建方法，属于大数据以及数据库技术领域。其核心内容是将时间序列数据分成小的时间片段，然后用线性拟合的方法压缩表示每个时间片段以形成该片段的摘要，对于压缩后的摘要数据构建树状索引结构；当需要可视化查询时，基于构建的索引结构采用增量式可视化技术，确保可视化方法准确高效，而且索引结构建立一次，可供多次查询使用。本方法构造的树状索引结构中，自上而下节点的拟合误差由大变小，可以按照不同查询精度查询展示而且查询结果只搜索索引结构，相比每次查询扫描原始数据数据量大大减小，确保在用户规定的时间延迟内返回查询结果，确保可视化方法高效。
-
公开(公告)号：CN101619964A
公开(公告)日：2010-01-06
申请号：CN200910085601.6
申请日：2009-05-26
Applicant: 北京理工大学
Abstract: 本发明为一种基于工艺匹配的微小型结构件边缘快速显微检测方法及装置，检测装置如图1所示。该方法在传统边缘识别的基础上加入了加工工艺信息和边缘统计特性。以显微光学检测技术为基础，针对不同加工工艺微小型零件边缘特性，利用数理统计的方法分别对其边缘过渡区域进行拟合，建立不同工艺微小型零件的边缘过渡区域数学模型，通过对数学模型的分析，精确识别和定位出边缘点的位置。该方法考虑了微小型零件的实际加工情况，加入统计学思想，考虑了边缘相邻小区域的相关性，有效去除边缘附近的随机噪声，精度达到亚像素级，使显微图像边缘检测结果更精确。随着高技术产品向微型化发展的趋势日益加快，且各种微加工技术的出现，微小型结构件的需求日益增多，且形状越来越复杂，本发明的应用前景和社会经济效益是可观的。
-
公开(公告)号：CN114734849B
公开(公告)日：2024-06-18
申请号：CN202210227674.X
申请日：2022-03-08
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于车辆数据判断无效桩的方法，通过结合车联网平台的车辆数据与充电站充电数据，利用大数据分析确定车辆充电习惯，即可初步判断该充电站是否存在无效桩。本方案可解决针对坏桩、占位桩以及因道路堵塞等问题造成的无效桩识别，且本方案无需建立新的硬件架构，基于当前已有的车联网平台和充电站充电数据，即可实现无效桩识别的目的；成本低，准确性高，具有较高的实际应用价值，有利于推动新能源汽车的高速发展，提升了充电站的智能化水平和新能源车主的充电体验。
-
Patent Agency Ranking
公开(公告)号：CN114742574A
公开(公告)日：2022-07-12
申请号：CN202210207810.9
申请日：2022-03-03
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于贝叶斯回归算法的新能源汽车市场成熟度预测方法，基于贝叶斯回归模型，使用私人乘用电动汽车的运行大数据，选定具有市场特征强的因子，包括私人电动乘用车增量占比，私人电动乘用车增速水平，私人电动乘用车车桩配比，公共充电设施覆盖率，私人电动乘用车活跃率，构造成熟度评价模型，并结合市场渗透率进行交叉验证，为私人乘用电动汽车市场成熟度实现准确预测，为制定差异化的营销策略提供支撑。
-
公开(公告)号：CN114734849A
公开(公告)日：2022-07-12
申请号：CN202210227674.X
申请日：2022-03-08
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于车辆数据判断无效桩的方法，通过结合车联网平台的车辆数据与充电站充电数据，利用大数据分析确定车辆充电习惯，即可初步判断该充电站是否存在无效桩。本方案可解决针对坏桩、占位桩以及因道路堵塞等问题造成的无效桩识别，且本方案无需建立新的硬件架构，基于当前已有的车联网平台和充电站充电数据，即可实现无效桩识别的目的；成本低，准确性高，具有较高的实际应用价值，有利于推动新能源汽车的高速发展，提升了充电站的智能化水平和新能源车主的充电体验。
-
公开(公告)号：CN106844664A
公开(公告)日：2017-06-13
申请号：CN201710051558.6
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 一种基于摘要的时间序列数据索引构建方法，属于大数据以及数据库技术领域。其核心内容是将时间序列数据分成小的时间片段，然后用线性拟合的方法压缩表示每个时间片段以形成该片段的摘要，对于压缩后的摘要数据构建树状索引结构；当需要可视化查询时，基于构建的索引结构采用增量式可视化技术，确保可视化方法准确高效，而且索引结构建立一次，可供多次查询使用。本方法构造的树状索引结构中，自上而下节点的拟合误差由大变小，可以按照不同查询精度查询展示而且查询结果只搜索索引结构，相比每次查询扫描原始数据数据量大大减小，确保在用户规定的时间延迟内返回查询结果，确保可视化方法高效。
-
公开(公告)号：CN114509678A
公开(公告)日：2022-05-17
申请号：CN202210125945.0
申请日：2022-02-10
Applicant: 北京理工大学重庆创新中心
IPC: G01R31/367 , G01R31/385
Abstract: 本发明涉及新能源汽车技术领域，尤其涉及一种基于大数据的动力电池热失控预测方法，本发明利用新能源汽车大数据，对检测车辆PACK内所有单体的端电压保持长期采集，数据进行清洗处理后，建立一维线性数学模型，根据数学模型计算获得所有单体拟合曲线的当前值集合和斜率值集合。用当前值评估内短路的严重程度，用斜率是来评估其内短路的变化速率。依据严重程度和变化速率评估因内短路引发动力电池热失控的风险。为实现计算机的自动识别，本方案提出获得所有装车的同款电芯的当前值集合和斜率值集合。在获得所有电芯当前值和斜率值后，利用离群算法筛选有较大风险发生热失控的电芯，并判断该电芯所归属的车辆有发生热失控的风险。
-
公开(公告)号：CN113978196B
公开(公告)日：2022-05-10
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。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.026 seconds)
