-
Patent Agency Ranking
公开(公告)号：CN118940626A
公开(公告)日：2024-11-12
申请号：CN202410993106.X
申请日：2024-07-23
Applicant: 同济大学
Abstract: 本发明公开了一种知识与数据联合驱动的车辆载荷估算方法，先设计双层神经网络架构、提取车辆动力学模型特征、获取并处理各传感器实时数据、训练双层神经网络、固化神经网络结构和参数、获得实时车辆载荷估计。本发明自动更新车载CAN数据并实时读取，提出的方法由知识与数据联合驱动，只需获取车辆的CAN数据，提高了对车辆载荷的实时监测和精度。
-
公开(公告)号：CN118396212A
公开(公告)日：2024-07-26
申请号：CN202410007263.9
申请日：2024-01-03
Applicant: 同济大学
IPC: G06Q10/063 , G06Q50/40 , G06F30/20 , G06F111/08
Abstract: 本发明提出一种基于轨迹数据的城市私家电动汽车可调度潜力时空分布量化方法，首先基于POI兴趣点分布和正六边形网格划分方法对城市功能区进行划分，可以准确反映城市各区域的实际功能情况；接着基于蒙特卡洛仿真获取私家电动汽车集群的全天时空状态分布；进而考虑电动汽车充电负荷的时间可平移特性，量化评估私家电动汽车在不同城市功能区的全天可上调潜力和可下调潜力；能够为电力调度部门制定车网协同互动策略提供定量参考和支撑。
-
公开(公告)号：CN120067934A
公开(公告)日：2025-05-30
申请号：CN202510072655.8
申请日：2025-01-16
Applicant: 同济大学
IPC: G06F18/2433 , G07C5/08 , G06F18/2131 , G06F18/2135 , G06F18/10
Abstract: 本发明公开了一种基于拟多尺度相对主元分析的车辆故障诊断与预警方法，包括：获取并预处理车载CAN数据、对历史数据进行多尺度分解、建立最细尺度的小波分解模型、在各尺度上进行拟相对主元分析筛选小波系数、建立单尺度相对主元模型、对在线数据做多尺度分解和相对化变换、根据平方误差判断是否发生故障。本发明无需预设的专家规则，可识别非预先设定的故障类型，系统的泛化能力和适应性较高，利用平方误差实时处理在线数据以判断故障发生概率，实现高效的实时故障诊断。对CAN收据进行离散小波滤波，可有效处理车载数据中的噪声和异常值，减轻了对高质量历史数据的依赖，即使在数据不均衡的情况下也能保持较高的预测准确性。
-
公开(公告)号：CN118928414A
公开(公告)日：2024-11-12
申请号：CN202410993801.6
申请日：2024-07-23
Applicant: 同济大学
IPC: B60W40/00 , G07C5/08 , G06N20/20 , G06N3/006 , G06F18/2113
Abstract: 本发明公开了一种基于集成学习的车油耗预测方法，本发明通过获取车载CAN数据，使用XGBoost方法选择关键特征，引入改进的鹈鹕优化算法优化深度回声状态网络的超参数，并构建柴油卡车油耗预测模型，进而获得油耗预测结果，实现对车辆油耗的高精度预测，进一步提高了油耗预测方法的实用性和经济性。
-
公开(公告)号：CN118410611A
公开(公告)日：2024-07-30
申请号：CN202410091921.7
申请日：2024-01-23
Applicant: 同济大学
IPC: G06F30/20 , G06F30/12 , G06F30/28 , G07C5/00 , G07C5/08 , G06F18/213 , B60G17/018 , G06F119/14 , G06F113/08 , G06F123/02
Abstract: 本发明提供一种基于车载CAN数据的车辆载荷高精度估算方法，属于车辆载荷技术领域，包括如下步骤：获取车辆基础参数；实时获取CAN数据；预处理CAN数据；选定时序数据片段；构建纵向动力学模型；离散化动力学模型；判断车辆当前档位；选择一个车辆轨迹片段，向后估算车辆载荷；基于最后时刻的平滑后状态，得到整个时间序列上所有时刻的平滑状态估计和平滑协方差估计；执行该轨迹片段上所有时刻，输出平滑后的状态估计，完成车辆载荷的高精度估算。本发明适用于各类快速应用场景，为迅速准确的估算提供技术支持；无需额外传感器、专业监测设备等硬件，无需大量计算资源，大幅降低部署和应用成本，为成本敏感领域带来经济有效解决方案，更具准确性。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
