-
公开(公告)号:CN119773516A
公开(公告)日:2025-04-08
申请号:CN202510288332.2
申请日:2025-03-12
Applicant: 吉林大学
Abstract: 本发明适用于电动汽车技术领域,提供了一种知识数据协同驱动的电动汽车续驶里程分层预测方法。本发明不仅考虑了能耗对电动汽车续驶里程的影响,还考虑了可用能量对续驶里程的影响,从而提高了电动汽车续驶里程的预测精度;采用分层预测模型将电动汽车续驶里程预测问题转化为电动汽车能耗率与实际能量系数预测问题,提高了模型的灵活性和可扩展性,减少了开发时间和成本,大大提高了电动汽车续驶里程预测的准确性。此外,通过数据和机理协同驱动的模型,既克服了物理模型的局限性,又增强了可解释性,降低了对大规模数据的依赖,有效避免了模型过拟合的问题,增强了用户的信任程度,有利于电动汽车的推广。
-
公开(公告)号:CN119150025B
公开(公告)日:2025-01-28
申请号:CN202411595562.5
申请日:2024-11-11
Applicant: 吉林大学
IPC: G06F18/214 , G01R31/367 , G01R31/378 , G01R31/387 , G01R31/396 , G06F18/213 , G06F18/25 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及锂离子电池管理技术领域领域,公开了一种基于集成学习的锂离子电池荷电状态估计方法,通过融合CNN‑Transformer网络与卡尔曼滤波器,有效克服了现有技术中存在的多种问题,卡尔曼滤波器的引入,实时更新和校正SOC估计值,显著减少了安时积分法在长期运行中累积误差的影响,且其递归性质允许模型动态调整,降低对精确初始SOC值的依赖,从而提高长期估计的准确性;通过CNN‑Transformer架构,达到了处理实时数据流的效果,无需电池静置即可进行SOC估计,使之不受电池迟滞效应的影响,因依赖于实时数据而不是静态的开路电压测量,从而在实时应用中提供更准确的SOC估计。
-
公开(公告)号:CN117872769A
公开(公告)日:2024-04-12
申请号:CN202410080490.4
申请日:2024-01-19
Applicant: 吉林大学
IPC: G05B13/04
Abstract: 一种基于在线数据驱动的涡轮增压柴油机气路滑模控制方法,属于涡轮增压柴油机气路控制技术领域。本发明的目的是建立了基于改进投影算法的时变动态线性化数据模型,并采用基于在线数据驱动的滑模控制策略设计了控制器的基于在线数据驱动的涡轮增压柴油机气路滑模控制方法。本发明首先将涡轮增压柴油机气路系统的动态线性化,然后设计数据驱动滑模控制器。本发明是纯数据驱动方案,不隐含或显含系统的结构和参数信息,减轻了建模负担的同时,更好地反应了柴油机气路系统时变特征与系统的瞬稳态特性。
-
公开(公告)号:CN113642114B
公开(公告)日:2023-10-17
申请号:CN202111073571.4
申请日:2021-09-14
Applicant: 吉林大学
IPC: G06F30/15 , G06F111/04 , G06F111/08 , G06F119/14
Abstract: 一种可犯错的拟人化随机跟车驾驶行为建模方法,属于驾驶员建模技术领域。本发明的目的是解决了跟车场景下拟人化特征提取困难的问题,使得跟车模型具有随机性、“可犯错”机制等拟人化效果的可犯错的拟人化随机跟车驾驶行为建模方法。本发明步骤是:自然行驶数据原始采集,以SPMD数据集作为自然行驶大数据;跟车场景提取,生成跟车轨迹片段数据库;跟车数据预处理;建立一种可犯错的拟人化随机跟车模型。本发明具有计算简单且可移植性强的特点。
-
公开(公告)号:CN116877238A
公开(公告)日:2023-10-13
申请号:CN202310976078.6
申请日:2023-08-04
Applicant: 吉林大学
Abstract: 一种柴油机选择催化还原系统自适应数据驱动建模方法,属于柴油机尿素SCR排放后处理技术领域。本发明的目的是设计基于自适应回声状态网络的数据驱动SCR模型,并提供了有效的离线参数辨识策略,得到的高精度模型可直接用作面向控制模型的柴油机选择催化还原系统自适应数据驱动建模方法。本发明的步骤是:构建SCR数据驱动模型结构,设计自适应参数更新策略。本发明使用的自适应回声状态网络框架具有体积小、运行速度快、自适应能力强等优点,以此根据数据训练的模型可以直接用作面向控制模型。
-
公开(公告)号:CN116865618A
公开(公告)日:2023-10-10
申请号:CN202310867706.7
申请日:2023-07-16
Applicant: 吉林大学
IPC: H02P21/14 , H02P25/022
Abstract: 一种用于电流采样误差修正及低频转矩脉动抑制的方法,属于电机控制技术领域。本发明包括计算电机控制系统的第k次dq轴电流反馈中二倍电频基频与一倍电频基频处对应幅值与初始相角,k=1,2,3…;根据计算结果,重构电流脉动信息,对dq轴电流反馈进行采样误差修正;判断电流采样误差修正结果是否满足所述预设的停止条件,完成对电流采样偏置误差与比例误差的在线修正并抑制由此引发的低频转矩脉动。在电流采样误差修正过程中无需提前获知被控电机转动惯量与电机本体参数等信息,提高了电机控制系统运行的兼容性与智能化程度。
-
公开(公告)号:CN116101260A
公开(公告)日:2023-05-12
申请号:CN202310126423.7
申请日:2023-02-17
Applicant: 吉林大学
IPC: B60W20/14 , B60W10/26 , B60W10/28 , G06Q10/30 , G06Q10/0631 , G06F17/16 , G06F17/18 , G06F18/23213 , G06Q50/06 , G06Q50/30
Abstract: 一种考虑能量回收效率的燃料电池混合动力汽车能量管理方法,属于燃料电池混合动力汽车控制领域。本发明的目的是针对基于规则的能量管理策略具有节能空间的问题,对基于规则的能量管理策略进行改进的考虑能量回收效率的燃料电池混合动力汽车能量管理方法。本发明需要计算出需求功率,将PMP算法产生的动力电池的最优输出功率绘制成图,得到不同功率、SOC下的工作模式的数据,并通过聚类的方法将动力电池输出功率和动力电池SOC的关系图划分出不同的模式,根据需求功率的值按照设置好的分配方案对燃料电池和动力电池的输出功率进行分配之后,得到燃料电池和动力电池的输出功率。本发明用庞特里亚金极大值原理指导基于规则的能量管理策略,使改进后能量管理策略的优化效果接近最优的效果,并且通过有理分式拟合的方法表达出制动能量回收率,更加的符合实际能量回收的情况。
-
公开(公告)号:CN113276829B
公开(公告)日:2022-11-01
申请号:CN202110778834.5
申请日:2021-07-09
Applicant: 吉林大学
Abstract: 本发明适用于混合动力汽车的智能经济性驾驶领域,提供了一种基于工况预测的车辆行驶节能优化变权重方法,包括以下步骤:提取混合动力汽车过去一段时间的特征参数,通过BP神经网络对混合动力汽车当下的行驶工况进行识别和预测;根据行驶工况及车辆状态利用模糊规则得到目标函数中各项的权重系数,基于模型预测控制框架,利用极小值原理和二分法求解节能优化问题;进行仿真验证,校验所设计控制策略的有效性和合理性;本发明可实现根据车辆所处行驶工况的历史特征进行未来行驶工况的预测,使得混合动力汽车的燃油和电量消耗实现随工况自适应协调的能力,并且是提高混合动力汽车燃油经济性的一种有效解决手段,同时具有工程应用的潜力。
-
公开(公告)号:CN112115761B
公开(公告)日:2022-09-13
申请号:CN202010399428.3
申请日:2020-05-12
Applicant: 吉林大学
Abstract: 一种自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法,属于自动驾驶技术领域。本发明的目的是针对自动驾驶汽车视觉感知系统目标识别深度模型,提出一种用于模型漏洞发现的对抗样本的生成方法,为进一步漏洞检测及防御算法提供样本支持的自动驾驶汽车视觉感知系统漏洞检测的对抗样本生成方法。本发明步骤是:信息采集、建立对抗目标模型、建立对抗扰动的数学模型、对抗扰动生成的优化。本发明探索了用于自动驾驶感知系统漏洞检测的对抗样本生成的方法,并藉此方法发展自动驾驶感知系统漏洞检测算法,进而提高自动驾驶车辆的安全性。
-
公开(公告)号:CN111259493B
公开(公告)日:2022-08-02
申请号:CN202010085509.6
申请日:2020-02-09
Applicant: 吉林大学
Abstract: 一种适用于智能网联车排放控制的车辆排放模型建模方法,属于智能控制技术领域。本发明的目的是通过驱动功率将车辆与发动机联系起来,适于智能联网环境下对车辆的油耗,排放等不同控制目标进行控制的适用于智能网联车排放控制的车辆排放模型建模方法。本发明步骤是①发动机转速模块、②车辆功率模块、③燃油消耗率模块、④排放模块。本发明从上层车辆的角度,根据车辆状态,通过驱动功率将车辆与发动机联系起来,根据功率建立了发动机燃油消耗率模型,然后根据数据拟合出燃油消耗率与排放的线性模型。本发明建模方法建立的模型简单且准确度较高,适于智能联网环境下对车辆的油耗,排放等不同控制目标进行控制的应用。
-
-
-
-
-
-
-
-
-