-
公开(公告)号:CN116198545A
公开(公告)日:2023-06-02
申请号:CN202310323972.3
申请日:2023-03-30
IPC: B60W60/00 , B60W30/18 , B60W30/095
Abstract: 本发明适用于自动驾驶技术领域,提供了一种基于逻辑规则的换道决策系统及方法,系统包括:传感器信息预处理模块;车道条件判断模块,用于判断车道条件;换道需求判断模块,用于判断换道需求;换道安全判断模块,用于判断换道安全;换道决策模块,用于对车道条件、换道需求和换道安全的判断结果进行综合决策。本发明通过Stateflow分层状态机模型建立了换道决策模型,通过此换道决策模型验证了该换道决策算法可实现车辆在城区直线道路的换道决策,大幅减少因换道导致的交通事故,有效保证车辆在复杂环境中换道的安全性、可靠性,减轻驾驶员驾驶压力,提升驾驶舒适性。
-
公开(公告)号:CN115723590B
公开(公告)日:2024-09-17
申请号:CN202211601294.4
申请日:2022-12-13
IPC: B60L15/38 , B60W30/18 , B60W50/00 , B60W40/10 , B60W40/112
Abstract: 本发明属于电动汽车控制技术领域,具体为一种轮毂电机驱动汽车的节能转矩矢量控制方法,通过离线优化的方法,基于能耗最小化的原则,设计了一组不足转向特性集并生成为离线查询表,改善车辆的转向动态响应。根据车辆转向特性生成参考横摆角速度,利用前馈控制器和反馈控制器计算参考横摆力矩。针对得到的横摆力矩和期望总驱动转矩进行转矩矢量分配,确定不同位置的电机的工作状态,降低行驶过程中的驱动冗余,提高能源效率。本发明能够最大限度地降低能耗,改善车辆的操纵稳定性和行驶安全性。
-
公开(公告)号:CN118558156A
公开(公告)日:2024-08-30
申请号:CN202410758734.X
申请日:2024-06-13
Applicant: 吉林大学
Abstract: 本发明公开了一种功能化纳米纤维血液透析膜及制备方法、应用及配套设备。该制备方法包括:S1:纳米纤维血液透析膜前驱体的制备;S2:负载晶体的纳米纤维膜的制备;S3:高效功能化纳米纤维血液透析膜的制备;另外本发明还提供了纳米纤维血液透析膜在血液透析器和血液透析机上的应用。本发明制备的高效功能化纳米纤维膜,具备吸附、抗氧化、抗炎、抗凝血及抗菌等多重功能,有效提升尿毒症毒素的清除能力,可以快速去除患者体内尿毒症毒素的同时减少患者的并发症,这种功能化纳米纤维膜制备简单,原料易得,在血液透析材料领域具有广阔前景。此外,设计的纳米纤维血液透析器及便携式血液透析机,操作简单,重量轻巧,便于患者出门携带,独立操作。
-
公开(公告)号:CN116718938A
公开(公告)日:2023-09-08
申请号:CN202310665747.8
申请日:2023-06-07
Applicant: 吉林大学
IPC: G01R31/392 , G01R31/396 , G01R31/367
Abstract: 本发明属于电动汽车技术领域,涉及一种汽车电池寿命分布模型参数估计方法,包括下述步骤:1、采集汽车电池寿命数据,使用近似中位秩公式计算经验分布函数;2、将对数正态分布的分布函数进行逆正态变换,得到最小二乘支持向量机模型的初始数据集并进行线性检验;3、采用十倍交叉验证法对LSSVM内部参数进行优选;4、基于LSSVM进行寿命分布模型参数估计;5、假设检验;6、根据寿命分布模型进行可靠性指标计算;本发明考虑在小样本情况下,新方法对寿命分布模型参数估计的精度,与传统参数估计方法相比更为准确、更符合生产实际。
-
公开(公告)号:CN116300447A
公开(公告)日:2023-06-23
申请号:CN202310203128.7
申请日:2023-03-06
IPC: G05B13/04 , B60G17/015
Abstract: 本发明适用于半主动悬架技术领域,尤其涉及一种基于动刚度调节的模糊连续阻尼控制方法及系统,所述方法包括:进行模糊化,确定输入变量与输出变量,将输入变量和输出变量转化为论域下的模糊量;通过改进灰狼优化算法优化隶属度函数,确定改进灰狼优化算法的目标函数;确定输入变量和输出变量的模糊集,确定优化后的改进灰狼优化算法以及模糊规则表;采用重心法解模糊化,获得相应的输出量,然后通过PID控制将输出量的因子转化为实际电流;通过仿真获得所需要的阻尼力。本发明通过改进灰狼优化的多目标模糊连续阻尼控制策略提高半主动悬架控制车辆稳定性的能力,能够降低各车轮滑移率,改善车辆的横摆角速度和侧倾角,大大提升了车辆稳定性。
-
公开(公告)号:CN114997242B
公开(公告)日:2023-08-29
申请号:CN202210765149.3
申请日:2022-06-30
Applicant: 吉林大学
Abstract: 本发明属于信号处理技术领域,涉及一种极值定位波形延拓LMD信号分解方法,具体包括下述步骤:1、获取波形的所有极值点;2、估计端点处极值;3、利用估计值进行信号分解;本发明一种极值定位波形延拓LMD信号分解方法,该方法通过信号自身来满足自身估计,充分考虑了信号内部的变化规律以及每个极值点的信息,估计值符合原波形波动趋势,估计精度较高,可操作性较强。
-
公开(公告)号:CN117563064A
公开(公告)日:2024-02-20
申请号:CN202410027409.6
申请日:2024-01-09
Applicant: 吉林大学
Inventor: 张涵
Abstract: 本发明公开了一种心内科介入治疗的积液引流设备,涉及医疗器械技术领域。本发明提供一种无需更换引流管的心内科介入治疗的积液引流设备。一种心内科介入治疗的积液引流设备,包括有进液管,进液管端部连通有的连通管,连通管远离进液管的一侧连通有第一软管,第一软管端部连通有收集箱,连通管靠近进液管的一侧连接有小马达,小马达的输出轴上连接有L形连接杆,连通管内靠近进液管的一侧转动式连接有环形密封套。本发明通过活塞杆移动将加药筒内的消毒水推入连通管被堵住开口的一侧内部,使得消毒水对连通管和第一软管内进行消毒,如此,便可在抽取积液的过程中对连通管和第一软管进行消毒,无需停止对积液的抽取,避免影响对积液抽取的效率。
-
公开(公告)号:CN117306254A
公开(公告)日:2023-12-29
申请号:CN202311259090.1
申请日:2023-09-27
Applicant: 吉林大学
IPC: D06M15/37 , D04H1/728 , D04H1/4382 , B01J20/26 , B01J20/30 , C02F1/28 , C02F101/30 , C02F101/38 , C02F101/36 , D06M101/28 , D06M101/10
Abstract: 本发明提供一种MOFs功能化环糊精基复合纤维膜及其制备方法和应用,属于纤维膜制备技术领域。本发明通过静电纺丝技术制备MOFs功能化的环糊精基复合纳米纤维膜,得到的MOFs功能化环糊精基复合纤维膜可以作为药物和个人护理产品(PPCPs)吸附剂应用在废水处理中,PPCPs污染物可以通过主客体配位、静电作用、氢键、π‑π相互作用、络合相互作用吸附到复合纤维膜上。本发明的纤维膜既能解决环糊精易溶于水的缺点,还能解决MOFs粉末不宜回收的问题。本发明的MOFs功能化环糊精基复合纤维膜制备简单、原料易得、再生性能好,在实际废水处理中有着广泛的应用前景。
-
公开(公告)号:CN116627089A
公开(公告)日:2023-08-22
申请号:CN202310612348.5
申请日:2023-05-29
Applicant: 吉林大学
IPC: G05B19/4065 , G06N20/10
Abstract: 本发明属于数控机床技术领域,涉及一种小样本下的数控机床可靠性建模方法,包括下述步骤:1、数控机床组件故障数据划分;2、建立基于时间相关的组件单元故障概率模型;3、经验可靠度参数估计;4、样本数据扩充;5、基于扩充数据后的最小二乘参数估计;6、模型拟合性检验;7、模型拟合优度检验。本发明小样本下的可靠性建模在计算经验分布函数时充分考虑了截尾数据的影响,在此基础上进行利用支持向量回归实现了在小样本情况下依据原有数据规律进行样本数据的扩充,以扩充后的数据进行参数估计,克服了小样本情况下参数估计精确性低、结果不稳定等缺点,利用相关性检验和D检验验证参数估计结果的有效性和合理性,用相关指数验证小样本下的可靠性模型参数估计精度。
-
公开(公告)号:CN116533063A
公开(公告)日:2023-08-04
申请号:CN202310715845.8
申请日:2023-06-16
Applicant: 吉林大学
IPC: B23Q17/09
Abstract: 本发明属于数控机床技术领域,涉及一种数控车床刀具剩余寿命在线预测方法,包括下述步骤:1、采用PSO对LSTM的学习率和隐含层神经元数的最优值进行迭代求解,建立CNN‑PSO‑LSTM模型,实现在单工况下对刀具磨损量进行在线监测;2、设置加工参数,采用迁移学习方法对变工况刀具磨损量进行在线监测;3、考虑刀具三个阶段磨损速率差异,基于三阶段Wiener过程描述刀具退化过程,进而根据首达时间概念,求得刀具剩余寿命估计;4、采用贝叶斯方法,并结合刀具磨损监测值,对模型参数进行实时更新,进而得到刀具剩余寿命的更新估计;本发明不仅考虑了刀具变工况加工情况,还考虑了刀具三个阶段磨损速率差异及个体之间的差异,为数控车床刀具换刀或维修策略奠定模型基础。
-
-
-
-
-
-
-
-
-