-
公开(公告)号：CN112285570B
公开(公告)日：2022-05-20
申请号：CN202011185803.0
申请日：2020-10-29
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/385
Abstract: 本发明提供一种基于衰减记忆滤波器的电动汽车故障诊断方法，该方法用于电动汽车中电池系统故障诊断，首先对所选电池开展基础特性测试实验，实际电池系统故障诊断过程需要实时采集电池的电流和端电压信号，建立一阶RC等效电路模型和状态空间方程，然后使用衰减记忆滤波器对电池进行参数辨识，到模型参数ζ和OCV估计值。通过参数ζ的估计值与参考值得到残差r1，通过OCV的估计值与参考值得到残差r2，将两个残差分别与对应阈值进行对比，只有当两残差均超过对应阈值才可判断故障发生，所提方法在残差生成和残差评价过程均优于现有技术。
-
公开(公告)号：CN112285569A
公开(公告)日：2021-01-29
申请号：CN202011181863.5
申请日：2020-10-29
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供一种基于动态阈值模型的电动汽车故障诊断方法，该方法用于电动汽车中电池系统故障诊断，在阈值模型建立和参数辨识算法两方面进行了改进，在不同温度下进行电路基础特性测试实验，得到等效电路模型参数；建立OCV‑SOC‑Q三维响应面模型；采用带遗忘因子的递推最小二乘法进行模型参数辨识，建立关于R0和τ的动态阈值模型。在实际故障诊断过程当中，利用双扩展卡尔曼滤波算法辨识参数和状态，得到电池R0和τ、容量及SOC；采用温度插值的方法确定参数参考值；确定参数阈值；生成残差；通过对比残差与阈值来判断电池是否发生故障。该方法不仅故障诊断率高，还能避免检测不及时、误警和漏警问题。
-
公开(公告)号：CN110738591A
公开(公告)日：2020-01-31
申请号：CN201910890672.7
申请日：2019-09-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 基于倾向值匹配的爬坡车道交通安全效益计算方法，本发明涉及一种基于倾向值匹配的爬坡车道交通安全效益计算方法。本发明的目的是为了解决传统回归方法分析爬坡车道安全效益时，由于样本选择性偏差的存在，导致不能准确获取爬坡车道对交通安全“净影响”的难题。过程为：一、收集、处理及组织数据，确定控制组与对照组样本；二、构建倾向值模型，并预测所有样本的倾向值；三、基于倾向值的样本匹配；四、混淆变量的平衡性检验，若通过，进行下一步，否则返回步骤二；五、爬坡车道交通安全效益计算。本发明用于道路交通安全领域，尤其适用于分析某种特定因素对交通安全的影响方面。
-
公开(公告)号：CN118535939B
公开(公告)日：2025-04-01
申请号：CN202410698507.2
申请日：2024-05-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/23213 , G06F18/2451 , G06F16/29 , G06N3/0499 , G06N3/0455
Abstract: 本发明公开了一种车辆轨迹预测方法、装置、介质和设备，涉及无人驾驶技术领域。本发明在考虑驾驶风格对车辆行驶轨迹的影响时，并不直接指定驾驶风格的划分，而是基于各车辆的历史轨迹进行聚类，并基于得到的多类驾驶风格聚类数据进行后续在对应驾驶风格下的驾驶行为预测，以及各车辆的未来轨迹预测，最后根据各车辆驾驶风格聚类数据之间的相异度、真实驾驶行为和预测驾驶行为之间的偏差以及真实未来轨迹和预测未来轨迹之间的偏差构造总损失，并进行联合优化训练。从而不断调整驾驶风格聚类，对驾驶风格聚类过程进行优化，同时优化其之后的车辆行为识别模型和轨迹预测模型，降低了整个车辆轨迹预测过程中错误信息的传递，提高了车辆轨迹预测精度。
-
公开(公告)号：CN118535939A
公开(公告)日：2024-08-23
申请号：CN202410698507.2
申请日：2024-05-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/23213 , G06F18/2451 , G06F16/29 , G06N3/0499 , G06N3/0455
Abstract: 本发明公开了一种车辆轨迹预测方法、装置、介质和设备，涉及无人驾驶技术领域。本发明在考虑驾驶风格对车辆行驶轨迹的影响时，并不直接指定驾驶风格的划分，而是基于各车辆的历史轨迹进行聚类，并基于得到的多类驾驶风格聚类数据进行后续在对应驾驶风格下的驾驶行为预测，以及各车辆的未来轨迹预测，最后根据各车辆驾驶风格聚类数据之间的相异度、真实驾驶行为和预测驾驶行为之间的偏差以及真实未来轨迹和预测未来轨迹之间的偏差构造总损失，并进行联合优化训练。从而不断调整驾驶风格聚类，对驾驶风格聚类过程进行优化，同时优化其之后的车辆行为识别模型和轨迹预测模型，降低了整个车辆轨迹预测过程中错误信息的传递，提高了车辆轨迹预测精度。
-
Patent Agency Ranking
公开(公告)号：CN112009252B
公开(公告)日：2023-12-01
申请号：CN202011072539.X
申请日：2020-10-09
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种动力电池系统故障诊断及容错控制方法，采用了以端电压为输入、电流为输出的包含电流传感器故障值在内的增广状态空间方程，通过算法实时估计出电流传感器故障值，当故障值的绝对值超过阈值即可判断传感器发生故障，然后对模型参数辨识和SOC估计进行容错控制。因该方法以电流为输出，故更适合检测电流传感器故障。此外，增广状态空间方程包含传感器故障值有助于后续参数辨识和状态估计的容错控制，提高了系统的可靠性。
-
公开(公告)号：CN112285570A
公开(公告)日：2021-01-29
申请号：CN202011185803.0
申请日：2020-10-29
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/385
Abstract: 本发明提供一种基于衰减记忆滤波器的电动汽车故障诊断方法，该方法用于电动汽车中电池系统故障诊断，首先对所选电池开展基础特性测试实验，实际电池系统故障诊断过程需要实时采集电池的电流和端电压信号，建立一阶RC等效电路模型和状态空间方程，然后使用衰减记忆滤波器对电池进行参数辨识，到模型参数ζ和OCV估计值。通过参数ζ的估计值与参考值得到残差r1，通过OCV的估计值与参考值得到残差r2，将两个残差分别与对应阈值进行对比，只有当两残差均超过对应阈值才可判断故障发生，所提方法在残差生成和残差评价过程均优于现有技术。
-
公开(公告)号：CN118155409A
公开(公告)日：2024-06-07
申请号：CN202410261869.5
申请日：2024-03-07
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种车辆轨迹和交叉口信号协同优化方法及系统，一种车辆轨迹和交叉口信号协同优化方法包括：基于车队控制区域内的各车道中的第一车辆数，构建车队；获取车队中各车辆当前时刻的状态信息；基于演员‑评论家模型处理信号状态信息和轨迹状态信息以控制交叉口信号和车辆行驶。本发明提供一种车辆轨迹和交叉口信号协同优化方法及系统，采用强化学习方法同时考虑混行交通流、车辆换道和车队控制，提高混行交通流的运行效率和安全性，降低能耗，增强轨迹优化和信号优化效果，提高实时计算效率。
-
公开(公告)号：CN112285569B
公开(公告)日：2022-02-01
申请号：CN202011181863.5
申请日：2020-10-29
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供一种基于动态阈值模型的电动汽车故障诊断方法，该方法用于电动汽车中电池系统故障诊断，在阈值模型建立和参数辨识算法两方面进行了改进，在不同温度下进行电路基础特性测试实验，得到等效电路模型参数；建立OCV‑SOC‑Q三维响应面模型；采用带遗忘因子的递推最小二乘法进行模型参数辨识，建立关于R0和τ的动态阈值模型。在实际故障诊断过程当中，利用双扩展卡尔曼滤波算法辨识参数和状态，得到电池R0和τ、容量及SOC；采用温度插值的方法确定参数参考值；确定参数阈值；生成残差；通过对比残差与阈值来判断电池是否发生故障。该方法不仅故障诊断率高，还能避免检测不及时、误警和漏警问题。
-
公开(公告)号：CN112009252A
公开(公告)日：2020-12-01
申请号：CN202011072539.X
申请日：2020-10-09
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种动力电池系统故障诊断及容错控制方法，采用了以端电压为输入、电流为输出的包含电流传感器故障值在内的增广状态空间方程，通过算法实时估计出电流传感器故障值，当故障值的绝对值超过阈值即可判断传感器发生故障，然后对模型参数辨识和SOC估计进行容错控制。因该方法以电流为输出，故更适合检测电流传感器故障。此外，增广状态空间方程包含传感器故障值有助于后续参数辨识和状态估计的容错控制，提高了系统的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
