-
公开(公告)号：CN115794325A
公开(公告)日：2023-03-14
申请号：CN202210781081.8
申请日：2022-07-04
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
IPC: G06F9/48
Abstract: 本申请提供了一种跨模块的函数的调度方法与装置，该方法包括：在链接文件中定义多个内存分段；将多个预定调度函数的入口地址存储在对应的内存分段中，其中，一种类型的预定调度函数对应一个内存分段，任意两个内存分段对应的预定调度函数的类型不同，入口地址用于表征函数的代码执行的起始位置，预定调度函数为需要调度的函数；读取内存分段中的目标入口地址，并依据目标入口地址执行目标调度函数，目标入口地址为目标调度函数的入口地址，从而解决了现有技术中人为修改任务调度文件容易引入错误的问题。
-
公开(公告)号：CN117471909A
公开(公告)日：2024-01-30
申请号：CN202311378523.5
申请日：2023-10-23
Applicant: 潍柴动力股份有限公司
IPC: G05B13/04
Abstract: 本发明涉及基于自适应平台和ROS2平台的协同控制方法及系统，通过采用代理状态管理器，负责接收不同平台发来的条件触发，能更好、更全面的应对各种状况，并且起到了状态更改条件的整体管理。并且通过采用代理状态管理器，对自适应平台以及ROS2平台进行分别管理，从而实现对自适应平台以及ROS2平台的并行控制，从而实现各个平台相互并无干扰，各平台功能子状态的统一下发，确保了状态切换的实时性与准确性。同时，根据功能安全等级确定状态切换优先级，保证安全可靠。
-
公开(公告)号：CN115718605A
公开(公告)日：2023-02-28
申请号：CN202211473443.3
申请日：2022-11-21
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
IPC: G06F8/61
Abstract: 本申请实施例公开了一种应用程序的打包方法、装置、存储介质及电子设备，基于执行该应用程序的打包方法，从本地镜像源中获取依赖库对应的目标依赖包，基于该目标依赖包在纯净系统环境中安装该依赖库，而后获取在纯净系统环境中安装的依赖库对应的目标依赖包的信息与该应用程序的原始软件包生成该应用程序的目标软件包，由于本地镜像源中的依赖包是经过过滤处理的，生成的应用程序的目标软件包中减少了应用程序的依赖包的信息，使得获取的该应用程序的多个依赖包对应的依赖信息构成了最小依赖集，即减少了安装之后的应用程序的内存占用率。
-
公开(公告)号：CN116743987A
公开(公告)日：2023-09-12
申请号：CN202310677936.7
申请日：2023-06-07
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
Abstract: 本申请提供了图像延迟时长的测量方法、系统及电子设备，涉及车辆技术领域，所述测量方法包括：控制所述智能驾驶控制器改变输出的电平，并标定所述智能驾驶控制器改变输出的电平的时刻为起始时刻；控制所述图像产生及传输设备对每帧图像进行逐行曝光；判断每行图像的上一行图像与其下一行图像的关系；若首次出现第n行图像的上一行图像的状态与其下一行图像的状态不同，则将所述第n行图像设置为目标行，将所述第n行图像所在的一帧图像设置为目标图像；根据所述目标行的出现时刻确定图像延迟时长。能够准确测量出车载摄像头获取图像过程中，光学信息从图像传感器获取再经过电路传输，最后传到处理器中存在的延迟时长。
-
公开(公告)号：CN115908647A
公开(公告)日：2023-04-04
申请号：CN202211418925.9
申请日：2022-11-14
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
IPC: G06T13/20 , G06F3/04815 , G06Q50/02
Abstract: 本申请提供了一种模拟无人农机作业的方法、装置、存储介质与仿真平台，该方法包括：基于3D游戏引擎构建无人农机模型与无人农机作业场景模型，作业参考线子模型用于表征无人农机在进行虚拟作业过程中的参考线，虚拟作业过程用于模拟真实作业过程，无人农机作业场景模型包括虚拟环境元素和虚拟作物元素，虚拟环境元素表示虚拟作物的生长环境，虚拟作物元素表示虚拟作物，虚拟作物的生长环境用于模拟真实作物的生长环境，虚拟作物用于模拟真实作物；采用无人农机模型与无人农机作业场景模型模拟无人农机的真实作业过程。本申请解决了现有技术中无法使用一般的智能驾驶仿真平台来模拟智慧农业收割仿真训练的场景交互的问题。
-
Patent Agency Ranking
公开(公告)号：CN115145617A
公开(公告)日：2022-10-04
申请号：CN202210700304.3
申请日：2022-06-20
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
Abstract: 本申请提供了一种ECU程序的刷写方法、刷写装置、处理器与车辆，该刷写方法包括：接收由上位机发送的多个数据包，一个数据包携带有一段初始数据，多个数据包携带的初始数据可构成一个完整的待刷写文件；将携带有对应的目标标识的数据包确定为目标数据包，并根据对应的目标标识，对各目标数据包携带的初始数据进行重构，得到多个第一预设数据；将多个第一预设数据和其他数据包携带的初始数据写入Flash，其中，其他数据包为多个数据包中，除目标数据包之外的数据包，从而解决了现有技术中对ECU进行刷写时，需要占用较多的RAM空间且刷写速度较慢的问题。
-
公开(公告)号：CN116681103A
公开(公告)日：2023-09-01
申请号：CN202310712505.X
申请日：2023-06-15
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
Abstract: 本发明公开一种嵌入式智能芯片的神经网络量化方法、装置和电子设备，包括：获取校准数据集、onnx模型、定点量化规则；基于onnx模型对校准数据集进行浮点推理以得到浮点数据总集，以及基于智能芯片对校准数据集进行定点推理以得到定点数据总集；获取智能芯片进行定点推理的推理时长；基于校准数据集、浮点数据总集、定点量化规则、定点数据总集和推理时长确定最终小数位宽。本申请运用onnx模型的优点，自动化完成浮点类型的定点量化，基于嵌入式智能芯片开发板对浮点运算的局限性及自身工具的难用性和效果差，简化定点量化同时，实现量化精度的提高，加快推理速度。
-
公开(公告)号：CN116306874A
公开(公告)日：2023-06-23
申请号：CN202310316697.2
申请日：2023-03-24
Applicant: 潍柴动力股份有限公司 , 潍坊潍柴动力科技有限责任公司
Abstract: 本申请提供了一种分布式神经网络的训练方法、训练装置和电子装置，该训练方法包括：分布式神经网络训练器的服务端接收客户端发送的神经网络模型并存储，其中，分布式神经网络训练器至少包括服务端和目标训练端；服务端通过通信端点将神经网络模型发送至目标训练端，其中，目标训练端用于训练神经网络模型并输出训练结果，训练结果至少包括神经网络模型的权重和神经网络模型的偏置，通信端点用于服务端与目标训练端之间的数据传输；服务端通过通信端点接收目标训练端发送的训练结果并存储，且发送至客户端。通过本申请，解决了由于神经网络的大量训练导致的占用当前操作系统内存的问题。
-
公开(公告)号：CN118794625A
公开(公告)日：2024-10-18
申请号：CN202410795665.X
申请日：2024-06-19
Applicant: 潍柴动力股份有限公司
IPC: G01M3/26
Abstract: 本申请提供了一种发动机漏气的确定方法、装置、存储介质和电子设备，该方法包括：至少根据压力检测原始数据确定目标时间段内各目标时刻对应的时间序列元素，并将所有的时间序列元素的集合确定为时间序列；应用统计学计算与时间序列对应的至少一个特征向量，并根据特征向量得到以特征向量为维度的特征空间，特征空间包含特征向量；构建漏气检测模型，并将特征空间作为样本数据输入至构建漏气检测模型中，得到漏气检测模型的输出结果，以确定发动机是否漏气。该方法关联多时刻压力偏差与实际自身变化信息重构时间序列数据，提升了模型的鲁棒性，且基于统计量的特征类别构建，融入时序信息，增加特征多样性，有效地改善模型推理性能。
-
公开(公告)号：CN117291227A
公开(公告)日：2023-12-26
申请号：CN202311224468.4
申请日：2023-09-21
Applicant: 潍柴动力股份有限公司
IPC: G06N3/04
Abstract: 本申请公开了一种神经网络的量化方法及装置，其中，方法包括：对基于第一神经网络模型随机量化生成的多个初始量化模型进行基因编码处理，得到包括多个基因组的初始种群；对初始种群中的基因组执行多样性处理，得到处理后种群，处理后种群中的基因组数量多于初始种群中的基因组的数量；确定处理后种群中是否存在适应值满足终止条件的基因组；若不存在，基于处理后种群中各基因组的适应值从所述处理后种群中选择多个基因组构建新的初始种群，并返回上述多样性处理的步骤；若存在，基于满足终止条件的基因组确定所述第一神经网络模型的量化数据。上述方案在实现中采用神经进化策略自动搜索多种量化数值的最佳组合以构建高效精准的混合精度量化模型。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
