-
公开(公告)号：CN118494071A
公开(公告)日：2024-08-16
申请号：CN202410577372.4
申请日：2024-05-10
Applicant: 北京航空航天大学
IPC: B60C23/04
Abstract: 本发明涉及智能轮胎技术领域，特别涉及一种基于阵列式传感器的智能轮胎系统。包括：设置在每一个轮胎分区上的阵列式交错布置的压阻式线缆和压电式线缆、与每一个轮胎分区一一对应的数据采集模块、数据传输模块、电源模块和数据处理模块；每一个轮胎分区均匀设置有若干条压阻式线缆和若干条压电式线缆，每一条压阻式线缆用于在受到作用力时产生用以表征轮胎形变的电阻数据，每一条压电式线缆用于在受到机械应力或应变时，产生用以表征轮胎形变和振动的电压数据。本方案，交错的网格布置提供了高密度的测量点，可以提高检测精度，而且网格布置的线缆能够对轮胎进行多维度的全面动态监测。
-
公开(公告)号：CN114827946B
公开(公告)日：2024-07-12
申请号：CN202210201597.0
申请日：2022-03-02
Applicant: 北京航空航天大学
Abstract: 一种车联网场景下基于任务相似度的边缘计算方法及系统，基于车辆自动驾驶的任务具有空间相关性，提出对交通流中的车辆进行车流聚类分组，并在分组的基础上，通过低延时竞选方法，推举出核心节点，使得同流车组内的从属节点通过与核心节点进行通信获取驾驶任务所需的请求数据，以减少MEC服务器端实际需服务的对象数量，使得车辆终端有限的计算通信资源用于维持分组的拓扑结构，并保证MEC服务器对于车流拓扑结构的实时感知，确保自动驾驶任务的实时有效性，对提高MEC任务吞吐量、简化路由选择、节省信道资源和缩短通信时延等显著效果。
-
公开(公告)号：CN118219718A
公开(公告)日：2024-06-21
申请号：CN202410368586.0
申请日：2024-03-28
Applicant: 北京航空航天大学
Abstract: 本发明涉及汽车智能感知技术领域，特别涉及一种智能轮胎超分辨率感知方法和装置。方法包括：实时获取轮胎内嵌的多个点位的传感器信号，并对传感器信号进行滤波，得到每一个传感器的应变数据；将每一时刻下每一个传感器的应变数据和每一个传感器的位置坐标输入至预先训练好的超分辨率感知模型，以对每一时刻下轮胎接地印迹内的力学状态进行估计；超分辨率感知模型基于神经网络和轮胎‑路面接地印迹力学模型训练得到。本方案，可以以尽可能少的传感器，结合基于神经网络和轮胎‑路面接地印迹力学模型的超分辨率感知模型，来实现对轮胎接地区域动力学状态的实时感知，以进一步提高车辆的动力学控制精度，保障车辆的行车安全。
-
公开(公告)号：CN117935008A
公开(公告)日：2024-04-26
申请号：CN202410102911.9
申请日：2024-01-24
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种智能车辆多传感器系统的融合方法及装置，其中方法包括：获取自动驾驶系统的传感器的采集数据；其中，采集数据包括图像数据和定位数据，图像数据包括固态激光雷达传感器采集的第一数据和其余传感器采集的第二数据，利用第一数据对第二数据进行校正；对定位数据、第一数据和第二数据均进行预处理，依次得到定位标准数据、第一标准数据和第二标准数据；基于定位标准数据、第一标准数据和第二标准数据，确定汽车的融合位置信息；基于第一标准数据和第二标准数据，确定汽车的融合识别信息；基于融合位置信息和融合识别信息，控制汽车的行驶路径。本方案能够有效整合和管理多种传感器的数据，使其更加可靠和精确。
-
公开(公告)号：CN117818657A
公开(公告)日：2024-04-05
申请号：CN202410010229.7
申请日：2024-01-03
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种自动驾驶车辆违反交通安全常识的风险评估方法及装置，其中方法包括：获取用于表征目标车辆运动状态的行驶数据，包括目标车辆速度、目标车辆加速度、更换车道数、更换车道频率、换道时长、横向偏移量和运动时间；基于行驶数据对违反交通安全常识的驾驶行为进行量化处理，得到驾驶行为的风险指标；驾驶行为包括急加减速行为、频繁换道行为、不良跟驰行为、蛇形驾驶行为和减速不当行为；基于主客观权重分配法对风险指标进行处理，得到驾驶行为的综合风险评估值；基于聚类分析法对综合风险评估值进行计算，得到驾驶行为的风险等级。本方案能全面地理解道路上的风险，并采取适当的措施保障目标车辆和交通参与者的生命和财产安全。
-
Patent Agency Ranking
公开(公告)号：CN117818511A
公开(公告)日：2024-04-05
申请号：CN202311864657.8
申请日：2023-12-29
Applicant: 北京航空航天大学
IPC: B60R16/023
Abstract: 本发明提供了一种基于虚拟化技术的车载操作系统安全检测方法及装置，其中方法包括：获取预设的安全岛系统发送的心跳信号和对应的车载操作系统发送的响应信号；其中，安全岛系统是基于虚拟化管理程序技术建立的，心跳信号和响应信号均具有校验码、序列号、时间戳、CPU负载和内存占用率；基于心跳信号和响应信号对车载操作系统进行安全检测，得到检测结果；其中，安全检测包括故障状态的检测和健康状态的检测，故障状态是根据依次进行的校验码对比、序列号对比和时间戳对比确定的，健康状态是通过响应信号的CPU负载率和内存占用率确定的；基于检测结果，确定车载操作系统的选用方案。本方案能够有效保证车载操作系统的安全性。
-
公开(公告)号：CN117698770A
公开(公告)日：2024-03-15
申请号：CN202410166706.9
申请日：2024-02-06
Applicant: 北京航空航天大学
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本发明属于自动驾驶技术领域，提出了一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法。该方法将交通场景分为十字路口、人行横道、多车道三种基本场景，其他场景可以在此基础上组合拓展；依据基本场景确定障碍物类型及对应碰撞评价指标；通过障碍物信息、自身车辆信息和环境状态信息量化和评估可能发生的碰撞风险、碰撞区域和碰撞时间，由此基于场景给出安全的行驶决策以避免产生交通事故。
-
公开(公告)号：CN116776079A
公开(公告)日：2023-09-19
申请号：CN202310653634.6
申请日：2023-06-05
Applicant: 北京航空航天大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0475 , G06N3/094
Abstract: 本发明属于车辆控制技术领域，公开了一种基于智能轮胎系统迁移学习的自适应路面感知方法，包括：对原始数据提取特征；与车型标签共同作为源域数据，对深度对抗学习网络进行训练；获取在实际行进中的原始数据，特征提取以获得作为目标域数据的特征；共同放入深度对抗学习网络并对其特征提取器与域分类器对抗学习；目标域数据进行二次特征提取，获得同源特征；将同源特征输入深度对抗学习网络，获得路面识别结果；本发明能够在目标域标记数据有限的情况下，实现特定轮胎型号下的精准路面感知，深度学习算法直接迁移使用源域标记数据训练的模型参数，与卷积神经网络结构直接进行迁移的性质相适应，在车辆工况不同时实现快速且精准的路面识别。
-
公开(公告)号：CN116699407A
公开(公告)日：2023-09-05
申请号：CN202310446506.4
申请日：2023-04-24
Applicant: 北京航空航天大学
IPC: G01R31/367 , G01R31/378 , G01R31/392 , G01R31/389 , G01R31/385
Abstract: 本发明属于锂离子电池技术领域，具体公开了一种基于安全熵的动力电池安全风险预警方法，包括如下步骤：建立考虑电池的多种类使用数据的总安全熵模型；对电池获取在发生损毁事故前的多种使用数据，根据总安全熵模型计算实验电池能够发生损毁的安全熵并作为安全熵边界；通过总安全熵模型计算获得电池在当前使用时刻的安全熵；将安全熵边界对S3中的安全熵进行大小对比，以对电池进行多级风险由低到高的分类，并对风险最高的电池发出热失控预警；具有如下优点：解决了在不同电池类型、体系、系统结构上迁移时阈值难以测算的问题；通过实验或真实热失控起火数据进行特征提取，对特征进行加权耦合时可以更好的匹配真实情况。
-
公开(公告)号：CN116471062A
公开(公告)日：2023-07-21
申请号：CN202310354229.4
申请日：2023-04-04
Applicant: 北京航空航天大学
IPC: H04L9/40 , H04L9/00 , H04L67/12 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了支持数据隐私保护的车载网络入侵检测方法，包括以下步骤：步骤一，收集车辆CAN总线真实数据，利用攻击方式特点生成含有入侵的数据，构建入侵检测数据集；步骤二，对数据集中的数据进行处理，完成特征提取；步骤三，通过同态加密将明文信息转换为密文信息，利用神经网络训练模型进行训练；步骤四，完成训练后，检测模型设置训练模型输出的权重，进行入侵检测。能够解决现有技术中数据隐私无法保护和检测精度不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.04 seconds)
