-
公开(公告)号：CN113386630B
公开(公告)日：2022-03-08
申请号：CN202110894556.X
申请日：2021-08-05
Applicant: 吉林大学
Abstract: 一种低温环境下智能网联燃料电池汽车功率分配管理方法，属于新能源汽车的节能控制技术领域。本发明的目的是结合智能网联信息，有效统筹在行驶过程中汽车动力性与驾驶舱温度舒适性的低温环境下智能网联燃料电池汽车功率分配管理方法。本发明将道路的坡度信息传递至汽车的车载控制单元，建立汽车期望功率计算模块，建立汽车驾驶舱温度变化模块，建立燃料电池工作效率计算模块及耗氢量计算模块，制定低温环境下智能网联燃料电池汽车功率分配管理策略，制定功率分配管理策略。本发明避免了燃料电池满负载运转状况的出现，提升其工作效率及燃料经济性，延长其使用寿命。
-
公开(公告)号：CN112373457B
公开(公告)日：2021-09-28
申请号：CN202010410078.6
申请日：2020-05-15
Applicant: 吉林大学
IPC: B60W20/11 , B60W50/00 , G06F30/15 , G06F119/08 , G06F119/14
Abstract: 一种面向节能控制的混合动力汽车能量与热量一体化模型，属于混合动力汽车建模技术领域。本发明的目的是以发动机、电动机等动力驱动装置至车轮的动力链中各动力传输结点模块的面向节能控制的混合动力汽车能量与热量一体化模型。本发明步骤是：确定动力链输入，描述动力链中能量流动状态，建立电池模型，建立发动机能耗及温度模型，建立空调热传递模型，接收热力链输入指令，建立驾驶舱温度模型。本发明建立了高寒气候条件下驾驶舱供热需求、驾驶员动力需求和车辆能耗之间的耦合关系，实现部分重要热力学变量的软测量，为驾驶员舒适度评估提供了支撑。
-
公开(公告)号：CN113276829A
公开(公告)日：2021-08-20
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：CN112241609A
公开(公告)日：2021-01-19
申请号：CN202011101762.2
申请日：2020-10-15
Applicant: 吉林大学
Abstract: 一种柴油机NOx排放实时估计系统，属于柴油机控制技术领域。本发明的目的是选取了进气歧管压强、废气残余分数、喷油量、发动机转速及EGR阀流量作为LSTM‑RNN循环神经网络输入变量，训练LSTM‑RNN神经网络的柴油机NOx排放实时估计系统。本发明步骤是：获取柴油机运行工况相关数据集、选取NOx实时估计模型输入数据、训练集与测试集的选取、选取数据预处理、确定循环神经网络结构参数、建立LSTM循环神经网络NOx预测模型。本发明实现对柴油机NOx的实时精确估计，经过柴油机台架的验证，本发明提出的柴油机NOx实时估计系统相对于传统的BP神经网络建模，估计精度在稳态工况、瞬态工况和综合工况分别有17.82%、50.35%、32.34%的提升。
-
公开(公告)号：CN111456860A
公开(公告)日：2020-07-28
申请号：CN202010284818.6
申请日：2020-04-13
Applicant: 吉林大学
Abstract: 一种混联式混合动力汽车发动机最佳运行线在线学习方法，属于混合动力汽车能效优化技术领域。本发明的目的是以混合动力系统中可测的发动机转速作为校正量，以燃油消耗最小为目标，利用梯度下降算法对发动机持续平顺输出时的发动机转速进行更新寻优，实时搜索当前功率需求下的发动机最优工作点，从而提高整车的燃油经济性的混联式混合动力汽车发动机最佳运行线在线学习方法。本发明步骤是：信息采集模块、发动机燃油消耗梯度估计模块、发动机燃油消耗梯度的OOL在线学习过程、混联式混合动力汽车电机扭矩控制模块。本发明有效提高了汽车最佳运行工作曲线在线学习效率。使得发动机在环境迁移、老化等因素影响下依然可以实时的为能量管理系统提供较为精确的OOL，从而保证整车最优的燃油经济性。
-
Patent Agency Ranking
公开(公告)号：CN111439260A
公开(公告)日：2020-07-24
申请号：CN202010341764.2
申请日：2020-04-27
Applicant: 吉林大学
Abstract: 一种面向个性化需求的网联商用柴油车巡航行驶优化控制系统，属于智能网联商用柴油汽车控制技术领域。本发明的目的是根据驾驶用户的个性化行驶需求，对车辆的巡航行驶策略进行调整和切换，找到个性化目标需求下最优的行驶速度轨迹和跟车距离，实现整车燃油经济性、排放性等性能提升的面向个性化需求的网联商用柴油车巡航行驶优化控制系统。本发明步骤是：建立智能网联信息采集模块、建立前车加速度、车速预测模块、建立柴油车辆的动力总成及后处理一体化模型、建立安全约束模块、设立了四种个性化驾驶模式等。本发明实现整车燃油经济性、排放性等性能的提升。提升了柴油车在编队行驶过程中的舒适性、经济性、排放性等性能。应用于各类商用柴油车的建模及优化控制。
-
公开(公告)号：CN107288751A
公开(公告)日：2017-10-24
申请号：CN201710621318.5
申请日：2017-07-27
Applicant: 吉林大学
Abstract: 一种自由活塞发动机活塞运动轨迹控制方法，属于控制技术领域。本发明的目的是根据自由活塞内燃发电机的工作机理，在MATLAB环境下搭建自由活塞内燃发电机机理模型系统，能有效的对干扰进行补偿，保持自由活塞内燃发电机稳定运行的自由活塞发动机活塞运动轨迹控制方法。本发明步骤是：自由活塞发电机仿真模型的搭建；自由活塞发电机活塞轨迹控制；使活塞的轨迹跟踪上参考轨迹，参考轨迹为FPEG工作在驾驶员需要的负载下；建立面向控制的模型；线性二次型最优控制器的设计；扩张状态观测器的设计；不确定性补偿。本发明建立了系统面向控制的简化模型，提出了基于线性二次型（LQR）+扩张状态观测器（ESO）的活塞运动控制方法，通过调节循环喷油量来控制FPEG活塞运动轨迹。
-
公开(公告)号：CN103711596A
公开(公告)日：2014-04-09
申请号：CN201310754148.X
申请日：2013-12-31
Applicant: 吉林大学
CPC classification number: Y02T10/144
Abstract: 本发明公开了一种涡轮增压汽油机进气控制方法，旨在减少汽油机电子控制单元的开发中过多标定过程的问题。步骤为:1.节气门开度规划跟踪控制:（1）计算进入气缸的空气流量期望值驾驶员需求扭矩的大小转化为进入汽油机气缸的空气质量流量期望值的大小，由公式得到；（2）计算进气歧管气压期望值根据上一步计算得到的进入气缸空气流量期望值计算进气歧管气压期望值（3）计算期望的节气门开度值，由进气歧管气压期望值并根据节气门流量模型计算期望的节气门开度；（4）进行节气门开度跟踪控制，采用PID控制来实现电子节气门跟踪控制；2.涡轮排气阀开度控制:（1）计算压缩机背气限压值；（2）进行涡轮排气阀神经网络PID控制。
-
公开(公告)号：CN119885914A
公开(公告)日：2025-04-25
申请号：CN202510368985.1
申请日：2025-03-27
Applicant: 吉林大学
IPC: G06F30/27 , G06F30/15 , G06N3/0499 , G06N3/0442
Abstract: 本发明适用于电动汽车技术领域，提供了一种基于切换式深度学习的电动汽车行程能耗率预测方法。本发明设计了行程开始阶段与行驶阶段的切换模式。在行程开始阶段，利用前馈神经网络模型使用目标车辆的历史数据进行预测，当模型收集到足够的行驶数据时，将自动切换为时序预测模型进行实时能耗率的预测。这一设计不仅灵活应对驾驶风格及外界环境变化，还显著提升了预测准确性。同时，本发明考虑了车速、起止SOC、温度、怠速比、怠速能耗率等因素，相较于现有方法，纳入了更多维度的输入特征，提高了电动汽车能耗率预测的准确性。此外，本发明所提出的能耗率预测模型能更准确地捕捉能耗率变化的细微差异，有效提升电动汽车能耗率的预测精度。
-
公开(公告)号：CN119883576A
公开(公告)日：2025-04-25
申请号：CN202510368323.4
申请日：2025-03-27
Applicant: 吉林大学
IPC: G06F9/48 , G06N3/084 , G06N3/096 , G06N3/0442
Abstract: 本发明适用于机器学习和人工智能技术领域，提供了一种基于任务关联度的多任务学习辅助任务选择方法。本发明通过引入TCC，量化辅助任务与主任务之间的关联性，自动筛选最适合主任务的辅助任务，提升了选择的效率和精度，有效减少了负迁移现象的发生，使得多任务学习更加高效和可靠；引入的TCC能够有效评估各任务之间的相关性，自动选择出与主任务最相关的辅助任务，避免直接搜索任务组合所带来的高昂计算成本，特别是在任务数量较多时显著降低了计算复杂度，还确保了多任务学习的效果和效率；该方法不受模型类型的限制，展现出广泛的适用性，且无需增加额外的参数，通过简单设置即可获得显著效果，具备较强的适用性和易用性。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.021 seconds)
