公开(公告)号：CN119128659A

公开(公告)日：2024-12-13

申请号：CN202411188102.0

申请日：2024-08-27

Applicant: 同济大学

Inventor： 王宁 ,  李秀峰 ,  周奥博

IPC: G06F18/2411 ,  G06F16/953 ,  G06F16/36

Abstract: 本发明公开了一种基于知识图谱的汽车故障智能诊断及预警方法，包括：获取车辆故障维修案例，提取与故障相关的数据；从非结构化文本中提取结构化文本；构建车辆故障知识图谱；构建基于汽车行驶数据的故障预测模型；构建车辆故障预警和云诊断系统。本发明基于车辆故障预测模型和车辆故障知识图谱，实现车辆运行过程中的故障云诊断功能。大大提升了车辆维修过程中的效率及车辆驾驶过程中的安全性。建立基于规则和TextCNN模型的非结构化文本结构化方法，实现对汽车故障维修案例的文本抽取和文本价值分类，获得构建知识图谱的结构化文本数据。提供非结构化文本的结构化文本提取方法，有利于从更多的非结构化维修案例中提取信息。

公开(公告)号：CN119134285A

公开(公告)日：2024-12-13

申请号：CN202411139799.2

申请日：2024-08-19

Applicant: 同济大学

Inventor： 王宁 ,  尚凯 ,  王昊 ,  周奥博

IPC: H02J3/00 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0455 ,  G06Q50/06 ,  G06F123/02

Abstract: 本发明公开了一种基于PatchTST的电动汽车充电负荷预测方法，步骤1、输入电动汽车充电负荷数据并进行数据预处理；步骤2、数据归一化；步骤3、划分时间序列并分块处理；步骤4、投影与位置嵌入；步骤5、Transformer编码器处理；步骤6、展平加线性注意力；步骤7、反归一化；步骤8、输出预测结果。本发明通过设计PatchTST模型结合Transformer架构和时间序列分块技术，基于已有时序数据，能够准确预测电动车充电需求，有效处理大规模时序数据，准确捕捉长期趋势和周期性变化，提高模型对电动汽车充电负荷时间序列数据的理解能力，尤其是在预测长期趋势和周期性波动方面的准确度。