-
公开(公告)号：CN108400676B
公开(公告)日：2020-02-07
申请号：CN201810180571.6
申请日：2018-03-05
Applicant: 重庆大学
Abstract: 本发明公开了一种二级约束式减速电机，包括电机和减速器，减速器包括一级减速传动机构和二级减速传动机构，一级减速传动机构包括动力输入轴、一级主动齿轮和一级从动齿轮，二级减速传动机构包括动力输出轴、二级外齿轮和二级内齿盘，一级从动齿轮与二级内齿盘之间设置有用于驱动二级内齿盘绕动力输出轴公转并驱动二级外齿轮自转的偏心驱动组件；本发明消除了二级内齿盘的自转，内齿轮副通过二级内齿盘公转传递运动和动力，具有传动比大、传动刚度大的特点，通过发条弹簧使得约束轴上的偏心轴段和圆锥台与二级内齿盘圆锥孔始终紧密配合，实现了自消隙功能。本发明结构紧凑、传动比大、传动刚度大，可应用于机器人关节等领域。
-
公开(公告)号：CN110298579A
公开(公告)日：2019-10-01
申请号：CN201910562062.4
申请日：2019-06-26
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
Abstract: 本发明涉及一种新能源乘用车城市立体工况的构建方法，属于新能源汽车行驶工况领域。该构建方法针对现有行驶工况大多为传统汽车的能耗、排放测试等项目开发，较少考虑到坡度对能耗的影响等问题，基于不同区域不同人流量及车流量合理选择公交线路，采集公交车实车数据，从工况数据中提取包含车速和坡度信息的短行程，利用主成分分析和聚类分析的方法合成包含车速和道路坡度信息的公交立体工况。
-
公开(公告)号：CN108544913B
公开(公告)日：2019-08-27
申请号：CN201810283989.X
申请日：2018-04-02
Applicant: 重庆大学
Abstract: 本发明涉及新能源汽车领域，具体公开了一种三电机传动结构纯电动汽车，包括一个前轴驱动电机和两个型号相同的后轮驱动电机，两个后轮驱动电机为左后轮驱动电机及右后轮驱动电机；其中前轴驱动电机与电动汽车前轴连接，左后轮驱动电机安装在电动汽车左后轮的轮毂上，右后轮驱动电机安装在电动汽车右后轮轮毂上；两个后轮驱动电机的尺寸、峰值转矩和功率均小于前轴驱动电机；前轴驱动电机的输出端连接有离合器，三个驱动电机为电动汽车提供转矩，所述离合器在断开时转矩平均分配给两个后轮驱动电机，所述离合器在需求转矩达到预定值时接合，转矩按预设分配算法分配给三个驱动电机。本发明还公开了一种三电机传动结构纯电动汽车的转矩分配优化算法。
-
公开(公告)号：CN108508371A
公开(公告)日：2018-09-07
申请号：CN201810313074.9
申请日：2018-04-09
Applicant: 重庆大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法，属于电池管理技术领域。该方法包括以下步骤：首先选定动力电池的类型及型号，获取相应技术参数并建立电池等效电路模型；随后，在特定温度下，对被测电池进行涓流充放电实验及HPPC实验获得电池特征参数；进一步通过实验数据建立电池OCV与SOC间的关系，同时对电池模型中的参数进行辨识并反馈至模型中；最后，向联合估计算法导入传感器数据，通过mMHE方法和滚动窗口在线参数辨识方法更新模型参数，并实现SOC、SOH及SOP的在线联合估计。本发明在保证一定运算速度的条件下，对SOC、SOH及SOP实现不同时间尺度下的精确估计。
-
公开(公告)号：CN119828690A
公开(公告)日：2025-04-15
申请号：CN202411859200.2
申请日：2024-12-17
Applicant: 重庆大学
Abstract: 本发明涉及一种融合交互性轨迹预测的协同运动规划方法，属于自动驾驶汽车领域。该方法包括：S1：构建满足车辆运动学约束的多项式参数化轨迹生成模型，基于环境信息和车辆当前位置状态，生成未来行驶动作集；S2：构建基于深度学习的交互性预测‑决策规划模型，基于自动驾驶车辆与周围车辆的双向交互行为，提取交互隐藏特征，并预测周围车辆轨迹；S3：构建自适应轨迹生成模型，搭建可学习的轨迹选择模组，利用步骤S2的轨迹预测结果，对行驶动作集合进行评分，并结合偏差生成网络优化结果，最终生成最佳轨迹。本发明能够对自车和周围智能体的未来状态进行交互建模，预测出周围车辆不同规划交互下的未来轨迹，从而提升预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118529018B
公开(公告)日：2025-01-24
申请号：CN202410595369.5
申请日：2024-05-14
Applicant: 重庆大学
Abstract: 本发明涉及一种混合动力汽车横向纵向协同综合效率优化方法，属于新能源汽车节能技术领域。该方法包括：S1：构建多车道动态交通模型，获取自车和周围交通参与者状态信息；S2：将历史车辆状态信息分为舍弃集和预测集，使用动态模式分解算法基于预测集进行多车道交通流预测，获得各车道速度加权值；S3：将车辆状态信息和车道交通流预测信息作为优先经验回放DDQN算法输入，进行自车的变道决策和车速规划；S4：根据车辆构型，构建自车动力系统模型，建立车辆不同动力源之间的能量流分配关系；S5：将规划的车速轨迹作为深度强化学习算法输入，计算车辆需求功率和需求转矩，在燃油消耗最小化约束下，进行自车动力系统中能量流的分配优化。
-
公开(公告)号：CN119329558A
公开(公告)日：2025-01-21
申请号：CN202411370622.3
申请日：2024-09-29
Applicant: 重庆大学
IPC: B60W60/00 , B60W50/00 , G06N3/008 , G06N3/045 , G06N3/0442 , G06F18/213 , G06F18/2415 , G06F18/25 , G06F123/02
Abstract: 本发明涉及一种基于车辆交互图时空解耦编码的多模态轨迹预测方法，属于自动驾驶汽车技术领域。该方法包括：根据交通场景轨迹数据集生成图结构数据；基于图结构数据构建考虑多元交通因素的交互图；当交互图更新特征时通过时序编码模块捕捉交互图节点特征在时间序列上的变化；通过构建轨迹解码模块以及分数解码模块完成多模态预测；设计预测模型损失目标函数并进行训练。本发明通过异构图注意方法结合了多源因素对运动预测的影响，同时对时空特征进行解耦编码，更好地捕捉时间序列上的特征。与传统车辆轨迹预测方法相比，本发明可以完成更加精细化的预测，并且对于场景泛化性更好。
-
公开(公告)号：CN118981279A
公开(公告)日：2024-11-19
申请号：CN202411030134.8
申请日：2024-07-30
IPC: G06F3/06
Abstract: 本发明涉及一种基于数据优先级的LSM树数据写入方法，属于信号处理技术领域。该方法包括：S1：将数据键值对写入进内存中的写缓冲区，然后判断写缓冲区是否达到阈值，如果达到则将其输入进数据排序区块；S2：数据排序区块，用于将写缓冲区的数据按照数据特征进行数据特征值求解并对不同数据特征重要性分配相应权重，得到数据权重值，根据权重值大小对数据进行排序；S3：排序后区块转变为只读区块，随后输入进磁盘的分区存储判断区块中；S4：分区存储判断区块将对磁盘第0层按照数据特征进行区块划分，并对写入的数据按照数据特征求解相关数据权重，将其写入到对应划分的区块。本发明能显著提高数据写入效率与存储性能。
-
公开(公告)号：CN118025151B
公开(公告)日：2024-08-30
申请号：CN202410433677.8
申请日：2024-04-11
Applicant: 重庆大学
IPC: B60W30/095 , B60W50/00 , B60W50/14
Abstract: 本公开提供一种面向智能车的制动意图预测方法、装置、设备和介质，包括：在智能车辆的行驶过程中，若检测到智能车辆的行驶道路中有障碍物，则生成障碍物预警提示；响应于驾驶员对智能车辆的制动操作，获取智能车辆的制动响应数据；获取预先训练得出的制动意图预测模型；将智能车辆的制动响应数据输入制动意图预测模型中，基于制动意图预测模型的输出确定智能车辆的制动意图类别，智能车辆的制动意图类别包括：无制动、轻度制动和紧急制动。从而，在智能车辆行驶过程中遇到障碍物时，能够及时提前预测出智能车辆的制动意图，便于智能车辆的系统进行相应处理，有效提升了制动意图预测的准确性，同时，保证行车安全。
-
公开(公告)号：CN118254736A
公开(公告)日：2024-06-28
申请号：CN202410118938.7
申请日：2024-01-29
Applicant: 重庆大学
IPC: B60T7/12
Abstract: 本公开提供一种面向弱势道路使用者复杂工况下的自动紧急制动方法，包括：对目标车辆的行驶道路进行雷达检测；若检测到目标车辆的行驶道路上具有目标物，则预测目标车辆相对于目标物的第一碰撞时长；若第一碰撞时长处于第一预设时长范围内，则基于预设检测算法检测目标物的所属类型；若目标物的所属类型为预设类型，则预测目标车辆相对于目标物的第二碰撞时长；基于第二碰撞时长与第二预设时长范围的关系，对目标车辆进行紧急制动操作。从而，考虑到行驶的复杂工况，采用多个时长范围兼顾行车安全和车辆驾驶员特性，对行驶车辆进行复杂工况的下的紧急制动，有效提升车辆行驶安全。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.023 seconds)
