-
公开(公告)号：CN119936668A
公开(公告)日：2025-05-06
申请号：CN202510031367.8
申请日：2025-01-09
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/392 , G01R31/389 , G01R31/396 , G06N3/0442 , G06N3/084 , G06F18/213 , G06F18/24
Abstract: 本发明公开了考虑内阻的高压电池包状态估计联合故障诊断方法，该方法首先从高压电池包端获取微内阻数据，将高压电池包的微内阻数据和高压电池包长期运行数据，组成高压电池包原始数据集。其次对于高压电池包原始数据集中的数据进行相关性分析。然后搭建SOH估计网络，将相关性分析得到的数据输入SOH估计网络，得到SOH估计值。最后故障诊断网络搭建，以高压电池包微内阻、电池SOC和电池SOH估计值为输入，输出故障诊断结果，本发明不仅能够实现多场景下高压电池包联合SOH精准估计和故障诊断，还能提升电池状态监测与预测的效率，有助于提高电池使用寿命与运行安全性。
-
公开(公告)号：CN119918175A
公开(公告)日：2025-05-02
申请号：CN202411960877.5
申请日：2024-12-30
Applicant: 杭州电子科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/08 , B60C99/00 , G06F119/14
Abstract: 本发明公开了一种基于LSTM辅助扩展卡尔曼滤波的轮胎载荷状态识别方法，包括如下步骤：S1.建立车辆7自由度垂向动力学模型；S2.准备观测量和状态向量数据，作为训练数据集；S3.基于训练集数据对神经网络进行训练；S4.通过车体和轴桥安装的传感器获取观测量。S5.输入观测量数据通过神经网络辅助的扩展卡尔曼滤波器预测车轮垂向力，其中卡尔曼增益系数由LSTM确定；该方法融合扩展卡尔曼滤波和LSTM网络，使用LSTM网络对卡尔曼增益系数进行预测，从而在降低对精确动力学模型的需求的同时，提高扩展卡尔曼滤波的预测精度。
-
公开(公告)号：CN119805277A
公开(公告)日：2025-04-11
申请号：CN202510002115.2
申请日：2025-01-02
Applicant: 杭州电子科技大学
IPC: G01R31/389 , G01R31/392 , G01R27/14
Abstract: 本发明公开了一种基于谐振耦合的高压电池微内阻测量装置，该装置中主控制器通过模拟输出端口与激励调理电路连接，通过模拟输入端口、数字输出端口与开关相位检测电路连接，激励调理电路与交流电流源电路直接连接，交流电流源电路与耦合电路直接连接，耦合电路内电池接口与采样放大电路通过电容隔离后连接，采样放大电路与开关相位检测电路直接连接。本发明可兼容0V‑2500V的无源与有源器件阻抗测量，测得400V、800V平台汽车电池内阻，兼容750V、1500V、2500V储能电站整站、整组的内阻测试，且支持在充放电过程中测量。
-
公开(公告)号：CN116467580B
公开(公告)日：2025-03-21
申请号：CN202310431133.3
申请日：2023-04-21
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/08 , H01M10/42 , H01M10/0525 , G06F119/04
Abstract: 本发明公开了一种基于TTSNet的锂离子电池SOH估算与RUL预测方法，包括如下步骤：S1、构建TTSNet网络模型；S2、通过时序transformer的特征提取网络分别通过相应的提取支路对预处理后的电池数据中电压、电流和温度数据进行特征提取，得到丰富的语义信息特征；S3、通过AGFF的特征融合网络，对提取的语义信息特征进行自适应融合，得到神经网络的预测输出；S4、基于TTSNet网络模型的SOH估算与RUL预测。该方法不仅可以自适应提取并交互锂离子电池输入时间序列中的有用信息，还考虑到长时间序列电压、电流、温度与容量之间的相关性，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力。最终得到实时、高精度的SOH估算与RUL预测结果。
-
公开(公告)号：CN119559108A
公开(公告)日：2025-03-04
申请号：CN202411614531.X
申请日：2024-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于陷波滤波与引导滤波的红外图像非均匀校正方法，包括以下步骤：输入红外焦平面阵列图像，将输入图像进行离散傅里叶变换，得到振幅谱和相位谱，通过对振幅谱的中心频谱区域做预测，估计陷波滤波器补偿参数，进而构造陷波滤波器；将振幅谱通过所构造陷波滤波器，得到滤波后的新振幅谱，利用滤波后新的振幅谱和原始的相位谱，经过离散傅里叶逆变换得到滤波后的背景图层；将原始输入红外焦平面阵列图像和滤波后的背景图层作差，得到噪声图，利用各向异性引导滤波，对正则化系数进行加权改进，从噪声图中提取部分细节图层；叠加所有细节图层，输出校正结果。该方法能有效克服非均匀校正过程中图像细节丢失的问题。
-
Patent Agency Ranking
公开(公告)号：CN118348420A
公开(公告)日：2024-07-16
申请号：CN202410613058.7
申请日：2024-05-17
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/382 , G01R31/3842
Abstract: 本发明公开了一种基于云端边缘端交互网络的电池SOC估计方法，该方法首先获取铅炭电池数据，并进行预处理。其次将预处理后的铅炭电池数据分别输入构建的实时边缘处理网络和云端边缘端交互网络，进行电池SOC估计。然后在边缘端部署实时边缘处理网络，在云端服务器，部署云端修正网络。最后在云端边缘端交互网络中，由云端修正网络的电池SOC估计值对实时边缘处理网络的电池SOC估计值进行修正，得到最终的电池SOC估计值。不仅提高了电池剩余电量估计的准确性，也保证了铅炭电池使用过程中的安全性，并且对延长铅炭电池的寿命具有显著效果。
-
公开(公告)号：CN117968703A
公开(公告)日：2024-05-03
申请号：CN202410202846.7
申请日：2024-02-23
Applicant: 杭州电子科技大学
IPC: G01C21/20 , G06N3/006 , G06N3/092 , G06N3/0895 , G06N3/0464 , G06N3/0495 , G01C21/34
Abstract: 本发明公开了基于鸟瞰视角时空对比强化学习的自主导航方法，该方法首先设定状态空间和动作空间、奖励函数。其次构建基于鸟瞰视角时空对比学习的鸟瞰视角导航网络模型，初始化各网络参数，将初始观测的三维点云输入到鸟瞰视角导航网络模型中，智能体随机采样数据并将得到的数据对存入经验池，对经验池进行初始化。最后循环导航事件，设置目标点和行人位置，根据经验池存储的数据更新鸟瞰视角导航网络模型，根据更新后的鸟瞰视角导航网络选择动作并不断更新智能体的状态，直到移动智能体到达目标位置。本发明显著提升了智能体在复杂和动态环境中的自主探索成功率和导航效率，具备重要的理论和实际应用价值。
-
公开(公告)号：CN117853525A
公开(公告)日：2024-04-09
申请号：CN202311763014.4
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06T7/246 , G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨层级特征交互和可学习池化的三维单目标跟踪方法，包括如下步骤：S1、构建连续两帧点云t和t‑1的数据集，通过点云体素化、共享权重的三维稀疏卷积和体素特征压缩，得到多尺度BEV特征#imgabs0#和#imgabs1#S2、基于特征#imgabs2#和#imgabs3#进行跨层级特征交互，生成增强的BEV特征表示#imgabs4#和#imgabs5#并级联两帧特征，得到#imgabs6#S3、将#imgabs7#输入到可学习池化模块中，计算得到全局特征线索#imgabs8#S4、基于全局特征信息#imgabs9#进行预测。该方法所提的跨层级特征交互模块和可学习的池化模块可以沟通不同尺度的BEV特征并获取准确的运动线索，能够有效地提高跟踪地准确率。
-
公开(公告)号：CN117233635A
公开(公告)日：2023-12-15
申请号：CN202311162580.X
申请日：2023-09-08
Applicant: 杭州电子科技大学
IPC: G01R31/392 , G06F30/27 , G06F18/2136 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0495 , G06N3/0499 , G06N3/08 , G01R31/367 , G01R31/3842
Abstract: 本发明公开了一种基于双路并行网络的梯次利用锂电池性能评估方法，包括搭建双路并行网络，评估梯次利用电池系统的电池性能参数，即电池单体或电池组的健康状态。双路并行网络包括一路轻量化网络与一路增强智能网络，轻量化网络包含多层残差卷积块和全连接层；增强智能网络包含数据嵌入模块、特征提取模块与特征融合模块，对特征数据充分提取并学习，梯次利用电池健康状态较高时，以增强智能网络估计结果为主，保证电池性能评估的准确性；健康状态较低时，以轻量化网络估计结果为主，保证梯次利用电池的安全性；增强智能网络估计结果为辅，对轻量化网络进行补充修正，具有较高的工程实际应用价值。
-
公开(公告)号：CN116744288A
公开(公告)日：2023-09-12
申请号：CN202310919271.6
申请日：2023-07-25
Applicant: 杭州电子科技大学
IPC: H04W12/00 , H04W12/0431 , H04L9/08 , H04L9/06 , H04W4/40
Abstract: 本发明涉及一种用于智能网联汽车V2X通信系统的安全握手方法，包括以下步骤：步骤一、获取地区密钥后通过FPGA硬件对通信进行基础的加解密保护；步骤二、握手开始后，本车辆需要去云平台拉取对端车辆的密钥值和过期时间，密钥记为UseridKey；步骤三、本车辆将过期时间发送给对端车辆后，可以快速计算出UseridKey，并用该密钥值解密解密秘文过期时间，校验是对否正确；步骤四、对端车辆校验通过后，认为握手成功，发送握手成功标识给本车辆，本车辆需要随机生成一个新的密钥，记为ConnectKey。该密钥用于后期这两台设备的基本通信，本发明有硬件加解密和平台加密的双重保障，通信效率高，速度快，安全程度更高。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.028 seconds)
