-
公开(公告)号：CN113859224B
公开(公告)日：2024-07-05
申请号：CN202111346667.3
申请日：2021-11-15
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
Abstract: 本发明涉及一种考虑电机热状态的插电混合动力汽车预测型能量管理方法，属于新能源汽车领域，包括以下步骤：S1：构建基于BP神经网络的速度预测器，对未来时间窗内的行车速度进行预测；S2：根据插电式混合动力汽车参数，构建车辆与动力系统各部件动力学模型；S3：以燃油消耗和电机温升为目标函数，构建基于模型预测控制的预测型能量管理框架；S4：采用PMP算法最小化目标函数，在预测域内求解最优的转矩分配，使得发动机工作在高效率区域，且电机温度维持在安全范围以内。本发明考虑了插电式混合动力汽车行驶过程中的燃油经济性和电机热状态，在减少能源消耗的同时，防止电机过热，可有效降低电机故障率。
-
公开(公告)号：CN117755260A
公开(公告)日：2024-03-26
申请号：CN202410119380.4
申请日：2024-01-29
Applicant: 重庆大学
IPC: B60T13/74
Abstract: 本公开提供一种面向弱势道路使用者的自动紧急制动控制方法，包括：获取行驶车辆与行驶车辆前方的移动目标之间的相对距离，以及行驶车辆与移动目标之间的相对速度；将行驶车辆与行驶车辆前方的移动目标之间的相对距离以及行驶车辆与移动目标之间的相对速度输入预先训练好的决策控制模型中，基于决策控制模型的输出结果确定行驶车辆对应的期望制动减速度；采用预先优化好的跟踪控制器，对行驶车辆对应的期望制动减速度进行反馈调节。从而，通过双层前馈神经网络结构作为决策控制模型的网络结构，具有较好的时效性，并且，采用PID控制器作为紧急制动控制过程中的跟踪控制器，以对车辆进行有效的紧急制动，解决了车辆制动过程中存在风险的问题。
-
公开(公告)号：CN116424332A
公开(公告)日：2023-07-14
申请号：CN202310378883.9
申请日：2023-04-10
Applicant: 重庆大学
Abstract: 本发明涉及一种深度强化学习型混合动力汽车能量管理策略增强更新方法，属于混合动力汽车技术领域。该方法包括：S1：获取不同类型的车辆历史速度数据；S2：将获取数据分别划分为初始、强化和终极阶段后进行合并，生成相应阶段的速度状态转移特征矩阵；S3：根据速度状态转移特征矩阵生成基于态序的特征驾驶工况，用于对深度强化学习型混合动力汽车能量管理策略训练；S4：定义策略训练所需的变量空间和奖励函数，并且以Matlab的.m文件为数据接口，实现联合仿真训练；S5：完成深度强化学习型混合动力汽车能量管理策略的在线增强更新式迭代训练过程，训练结束后下载最新策略并加载到混合动力系统模型中进行后续测试。
-
公开(公告)号：CN115503559A
公开(公告)日：2022-12-23
申请号：CN202211385462.0
申请日：2022-11-07
Applicant: 重庆大学
Abstract: 本发明涉及一种考虑空调系统的燃料电池汽车学习型协同能量管理方法，属于新能源汽车领域。该方法包括：S1：获取燃料电池汽车的车辆状态参数信息、燃料电池参数信息、动力电池参数信息以及空调系统参数信息；S2：建立燃料电池汽车协同能量管理模型；S3：建立考虑空调系统的燃料电池汽车协同能量管理优化控制策略，并结合SAC算法求解包含燃氢经济性和舱室温度舒适性的多目标优化问题，在进行能量流优化控制的同时，控制空调制冷/制热容量的变化以维持舱室温度处于舒适区间。本发明能有效解决氢能消耗和舱室温度舒适性之间的折中问题，优化燃料电池汽车的燃氢经济性以及舱室温度舒适性。
-
-
Patent Agency Ranking
公开(公告)号：CN114312845A
公开(公告)日：2022-04-12
申请号：CN202210009502.5
申请日：2022-01-06
Applicant: 重庆大学
Abstract: 本发明涉及一种基于地图数据的深度强化学习型混合动力汽车控制方法，属于新能源汽车与智能网联汽车的交叉领域。该方法包括：处理地图数据，建立环境模型；预规划目标速度轨迹；建立车身模型与混合动力系统模型，根据整车动力学对行驶过程进行受力分析并且确定混合动力系统功率平衡关系；车辆转向控制影响分析；建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，以整车的加速度与转向角以及混合动力系统的发动机与变速器为控制对象，建立控制策略的状态空间、动作空间以及奖励函数，并且进行阶梯式迭代训练过程。本发明能实现混合动力汽车的智能网联化自动驾驶。
-
公开(公告)号：CN113034210B
公开(公告)日：2022-02-01
申请号：CN202110469430.8
申请日：2021-04-28
Applicant: 重庆大学
Abstract: 本发明涉及一种基于数据驱动场景下车辆行驶成本评价方法，属于新能源汽车领域。该方法包括：获取特定区域内的行车历史数据并进行数据预处理，并进行工况片段划分；基于主成分分析对工况片段的多维特征参数进行降维；利用IABC‑Kmeans算法，搭建典型工况特征集，根据各聚类样本数量比例和类中样本与聚类中心参数相关性重组反映某个地区特定驾驶风格和驾驶习惯的合成工况，并与原始数据集进行统计学特征的对比验证；设计电池老化、燃油消耗和电量维持的统一量化方法，搭建融入专家经验的DDPG的多目标能量管理优化模型，使策略具有在保证最优性的前提下具有更高的训练效率。本发明可以为更精确的车辆行驶成本评价方法提供参考。
-
公开(公告)号：CN112965001A
公开(公告)日：2021-06-15
申请号：CN202110180579.4
申请日：2021-02-09
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
IPC: G01R31/396 , G01R31/385
Abstract: 本发明涉及一种基于实车数据的动力电池组故障诊断方法，属于故障诊断领域。该方法包括：S1：选取发生热失控的事故车，将事故车分为两类，获取事故车生命周期后期的所有电池单体的充放电电压数据，对预处理后的单体电压进行标准化；S2：确定时间窗口长度，获取每一个时间窗口内的单体电压，构建单体电压状态矩阵，计算相应的参数向量作为基准参数向量，相应的状态向量作为基准状态向量；S3：将除第一个时间窗口之外的其余所有时间窗口下的单体电压状态矩阵，与基准参数向量相乘得到各时间窗口下的各电池单体的状态向量；S4：基于SRM方法实现电压的故障诊断。本发明实现了电压故障提前预警，异常单体准确定位以及故障类型的准确判断。
-
公开(公告)号：CN112798960A
公开(公告)日：2021-05-14
申请号：CN202110048627.4
申请日：2021-01-14
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G06F111/08
Abstract: 本发明涉及一种基于迁移深度学习的电池组剩余寿命预测方法，属于电池技术领域。该方法包括以下步骤：步骤S1：收集动力电池老化数据集，建立电池老化数据库；步骤S2：根据电池单体老化数据提取多个健康因子，并根据相关性分析和容量估计误差筛选健康因子；步骤S3：基于电池单体全寿命周期老化数据集训练得到健康因子的递推模型，以及基于健康因子的容量估计模型；步骤S4：建立基于电池单体健康因子集和电池组容量衰减的机器学习模型；步骤S5：基于单体容量估计模型预测未来各单体的容量，得到未来循环的电池组单体容量分布。利用迁移学习和深度学习相结合，能够有效的利用已有的完整信息，提高电池组剩余寿命预测精度。
-
公开(公告)号：CN111731303B
公开(公告)日：2021-04-23
申请号：CN202010657917.4
申请日：2020-07-09
Applicant: 重庆大学
Abstract: 本发明涉及一种基于深度强化学习A3C算法的HEV能量管理方法，属于新能源汽车领域。该方法包括：S1：根据工况的特征参数划分车辆行驶标准工况；S2：计算整车的需求功率；S3：确定需要的状态变量、动作变量以及奖励函数；S4：建立A3C算法模型，设定环境‑智能体模块；S5：根据电池SOC以及需求功率的大小，设计并加入基于规则的发动机启停策略；S6：环境‑智能体模块中分别加载不同类型的标准工况，通过不断迭代试错的学习方式训练算法模型中的深度神经网络，当总奖励处于稳定收敛状态后结束训练过程，并且保存全局神经网络的持久化模型。本发明在保证燃油经济性的条件下实现对所有随机工况的自适应能力。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.025 seconds)
