-
公开(公告)号：CN115436814A
公开(公告)日：2022-12-06
申请号：CN202211268274.X
申请日：2022-10-17
Applicant: 吉林大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种锂离子电池剩余寿命的概率预测方法，涉及锂离子电池技术领域，包括以下步骤：获取锂离子电池的老化测试数据，并对测试数据进行预处理；对预处理后的数据进行特征提取，并利用pinballloss损失函数进行特征选择；利用最小化pinballloss损失函数或最小化覆盖概率偏差指数的方法选择模型超参数，基于模型超参数建立分位数回归随机森林模型QRRF，并对模型进行训练；将测试数据输入电池剩余寿命概率预测模型，输出电池剩余寿命的目标分位数预测值，获得电池剩余寿命的概率预测区间。
-
公开(公告)号：CN112560186B
公开(公告)日：2022-08-05
申请号：CN202011542380.3
申请日：2020-12-22
Applicant: 吉林大学
IPC: G06F30/15 , G01M17/007 , G01R31/367 , G01R31/392 , G06F119/06
Abstract: 本发明适用电动汽车技术领域，提供电动汽车行程能耗预测方法、装置、设备及可存储介质，包括获取电动汽车的行驶行程测试数据以及历史行驶行程数据；根据行驶行程测试数据及预设的整车能耗模型，确定多个工况特征对应的多个能耗敏感性参数；根据历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；根据未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定电动汽车的未来行程能耗预测结果。本发明可以在极小且简单的计算量下准确地估计行程能耗，易于实施，克服了目前机器学习方法计算量大，不可解释且收敛性难以评估等问题，在实际应用于电动汽车行程能耗估计中具有重要的实际意义。
-
公开(公告)号：CN114655074A
公开(公告)日：2022-06-24
申请号：CN202111353453.9
申请日：2021-11-16
Applicant: 吉林大学
Abstract: 本发明属于电动汽车技术领域，具体为一种基于贝叶斯回归的电动汽车实际行驶能耗估计方法，步骤1：能耗模型结构确定；步骤2：获取能耗敏感性参数先验概率分布；步骤3：贝叶斯回归算法及参数后验概率分布获取；根据以下公式进行模型参数后验概率分布的估计；步骤4：剩余行程能耗估计；步骤5：剩余里程区间计算；本方法在保证泛化能力和合理性的前提下，实现对实际行驶过程能耗影响因素的连续迭代学习，提升预测结果准确性，通过概率估计，得到相应可信度下的剩余里程范围，提升预测结果全面性。
-
公开(公告)号：CN113313406A
公开(公告)日：2021-08-27
申请号：CN202110665939.X
申请日：2021-06-16
Applicant: 吉林大学
IPC: G06Q10/06
Abstract: 本发明属于电动汽车电池风险评估技术领域，具体为一种电动汽车运行大数据的动力电池安全风险评估方法，包括步骤一：输入电池安全相关特征量，步骤二：获取最外围样本边界，获取无故障样本的外围边界，步骤三：在外围样本边界随机生成故障样本，步骤四：获取正常样本与模拟故障样本的边界，步骤五：缩放正负样本边界，依据样本概率确定风险系数，其结构合理，结构明了，准确度高，避开训练样本中故障样本稀缺的问题，发挥了大数据在故障诊断风险评估上的优势。
-
公开(公告)号：CN109017426A
公开(公告)日：2018-12-18
申请号：CN201811142425.0
申请日：2018-09-28
Applicant: 吉林大学
CPC classification number: H02J50/10
Abstract: 本发明属于电动汽车充电技术领域，涉及一种集成辅助对位功能的电动汽车无线充电系统。该系统包括上位机、无线通信装置、数据处理单元、发射单元和接收单元，具有辅助线圈对准功能和异物或活物检测功能。当进行异物或活物检测时，LED照明装置照亮车身底部，摄像头中图像信息经数据处理单元后发送到上位机中显示，辅助驾驶员进行异物及活物检测；当进行线圈对准时，利用摄像头识别发射线圈上的LED自发光标识，获取发射线圈的位置信息，发送到上位机中并显示发射线圈和接收线圈的相对位置，辅助驾驶员进行线圈对位。本发明无需自动泊车功能或线圈上额外安装伺服位置控制机构，节约成本和空间，相比车位标线或电磁检测等方法，定位精度更高。
-
Patent Agency Ranking
公开(公告)号：CN106596135A
公开(公告)日：2017-04-26
申请号：CN201611246090.8
申请日：2016-12-29
Applicant: 吉林大学
IPC: G01M17/007
CPC classification number: G01M17/007
Abstract: 本发明的纯电动汽车实际行驶能耗测试、评价和预测方法，采用三个能耗评价系数β0、β1、β2准确预测纯电动汽车实际行驶能耗，三个能耗评价系数拟合结果的决定系数高达0.99。本发明的方法只需三个以上行程的纯电动汽车行驶时间、速度和能耗数据，即可实现纯电动汽车能耗的测试、评价和预测。方法简单，计算量小，易于使用和推广。本发明的方法的时间、车速和充电能耗信息都可以在不对整车进行任何改动的情况下准确获得，非常适合用于纯电动汽车能耗情况的在线监控、评估和预测。实际测量得到的能耗率与预测能耗率的相对误差均为1%左右，最大不超过3%，说明利用本方法预测纯电动汽车的能耗率有很好的准确度。
-
公开(公告)号：CN105443213A
公开(公告)日：2016-03-30
申请号：CN201510465462.5
申请日：2015-08-03
Applicant: 吉林大学
IPC: F01N11/00 , G05B19/042
CPC classification number: Y02T10/47
Abstract: 本发明的一种基于模拟电路的氧化催化器硬件在环仿真系统，包括电源单元、主控单元、电路单元和上位机。基于热电相似原理，将氧化催化器（DOC）中温度场特性映射到电路中，通过采集发动机排气温度并将其转化为电压信号，利用模拟电路的电压变化特性模拟DOC中不同位置温度响应特性。采用真实硬件电路，电路响应特性与DOC相一致，不涉及数值求解中的定时器及时间补偿问题，直接获取系统的实时响应特性。不涉及计算求解，不占用计算资源。利用该仿真系统，通过在线或离线测试的方法，就能获取DOC温度响应特性的相关数据，仿真系统的阶跃响应特性与Simulink仿真模型计算结果吻合，且温度响应特性连续性更好，适合用于发动机后处理系统控制器的设计和验证。
-
公开(公告)号：CN104219310A
公开(公告)日：2014-12-17
申请号：CN201410449289.5
申请日：2014-09-04
Applicant: 吉林大学
IPC: H04L29/08
Abstract: 本发明公开了一种汽车远程信息系统，其包括车载终端、无线网络、监控中心三部分，车载终端与监控中心通过无线网络连接，车载终端由电源模块、显示接口、4G模块、主控芯片、原车通讯总线、外置传感器通用接口组成；无线网络包括基站；监控中心包括服务器、身份认证模块、客户端；车载电源通过电源模块与主控芯片连接，主控芯片与显示接口通过通讯接口进行单向通信，主控芯片与4G模块通过通讯接口进行双向通信，主控芯片与原车通讯总线通过CAN口进行单向通信，主控芯片与外置传感器通用接口通过外设接口进行双向通信，车载终端通过4G模块与基站采用无线数据连接；基站与服务器采用无线数据连接。
-
公开(公告)号：CN116340767A
公开(公告)日：2023-06-27
申请号：CN202310166551.4
申请日：2023-02-27
Applicant: 吉林大学
IPC: G06F18/214 , G06F18/213 , G06F18/22 , G06Q10/04
Abstract: 本发明涉及一种电动汽车行程能耗概率分布预测方法、系统及产品，属于电动汽车能耗预测领域，方法包括：获取能耗率概率分布估计模型的输入特征；所述输入特征包括：环境温度、行程距离、天气以及制动强度；获取样本集；从样本集中筛选相似样本子集；构建行程能耗估计模型；基于所述相似样本子集和所述行程能耗估计模型确定不同输入特征下的能耗不确定性分布；构建能耗率偏差概率分布估计模型；采用所述相似样本子集和所述能耗不确定性分布训练所述能耗率偏差概率分布估计模型；基于训练后的能耗率偏差概率分布估计模型和所述行程能耗估计模型对汽车行程能耗概率分布进行预测。本发明中的上述方案能够实现未来行程能耗的概率的精确预测。
-
公开(公告)号：CN112560186A
公开(公告)日：2021-03-26
申请号：CN202011542380.3
申请日：2020-12-22
Applicant: 吉林大学
IPC: G06F30/15 , G01M17/007 , G01R31/367 , G01R31/392 , G06F119/06
Abstract: 本发明适用电动汽车技术领域，提供电动汽车行程能耗预测方法、装置、设备及可存储介质，包括获取电动汽车的行驶行程测试数据以及历史行驶行程数据；根据行驶行程测试数据及预设的整车能耗模型，确定多个工况特征对应的多个能耗敏感性参数；根据历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；根据未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定电动汽车的未来行程能耗预测结果。本发明可以在极小且简单的计算量下准确地估计行程能耗，易于实施，克服了目前机器学习方法计算量大，不可解释且收敛性难以评估等问题，在实际应用于电动汽车行程能耗估计中具有重要的实际意义。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.034 seconds)
