-
公开(公告)号：CN119239612B
公开(公告)日：2025-03-21
申请号：CN202411795981.3
申请日：2024-12-09
Applicant: 山东科技大学
IPC: B60W40/064 , B60W40/06 , B60W40/076 , B60W40/10 , B60W40/107
Abstract: 本发明公开了一种电动矿用卡车工况识别的方法，属于新能源重型商用车领域，本发明包括如下步骤：数据采集；车辆行驶阻力识别；路面附着系数识别；路面障碍物识别。本发明利用车载传感器获取车速、车轮转速、驱动电机输出转矩、汽车总质量和车辆周边路面图像等数据，识别电动矿用卡车的行驶阻力、路面附着系数和路面障碍物；为电动矿用卡车驱动系统控制策略的制定及其无人驾驶功能的实现提供数据支持。
-
公开(公告)号：CN118136896B
公开(公告)日：2024-07-19
申请号：CN202410545322.8
申请日：2024-05-06
Applicant: 山东科技大学
IPC: H01M8/04664 , H01M8/04992 , G01R33/02
Abstract: 本发明公开了一种基于外磁场测量的燃料电池故障诊断方法及设备，属于燃料电池技术领域，用以解决现有的燃料电池故障诊断方法的诊断结果不全面的技术问题。方法包括：获取燃料电池的阴极侧磁场强度和阳极侧磁场强度；基于所述阴极侧磁场强度和所述阳极侧磁场强度，确定所述燃料电池的故障指标参数；基于所述故障指标参数，确定所述燃料电池发生故障。本发明中用于确定燃料电池发生故障的故障指标参数是基于阴极侧磁场强度和阳极侧磁场强度综合确定的，因此该方法得到的故障诊断结果更为全面。
-
公开(公告)号：CN118194025A
公开(公告)日：2024-06-14
申请号：CN202410599011.X
申请日：2024-05-15
Applicant: 山东科技大学
IPC: G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/096 , G01R31/36 , G06F123/02
Abstract: 本发明公开了基于迁移学习的燃料电池水故障诊断方法及系统，涉及电池故障诊断领域，其中方法步骤包括：基于燃料电池系统，采集一维时间序列的电压信号数据；基于一维时间序列的电压信号数据，提取统计学特征并同时获取时间序列图像；基于统计学特征和时间序列图像，构建故障诊断模型；利用故障诊断模型，完成燃料电池水故障诊断。本发明数据来源简单，只需要收集电压数据，不需要其他复杂的数据或传感器；同时可以充分保留和利用一维时间序列数据的相对关系，保留了数据在时间维度上的结构特征；进而可以通过电压数据快速进行故障诊断。此外，本发明还充分利用统计学特征，增强了特征表达能力，提高了模型鲁棒性和泛化能力。
-
公开(公告)号：CN117922576B
公开(公告)日：2024-05-17
申请号：CN202410332145.5
申请日：2024-03-22
Applicant: 山东科技大学
IPC: B60W30/18 , B60W30/12 , B60W30/14 , B60W40/02 , B60W40/105 , B60W40/107 , B60W40/109
Abstract: 本发明公开了一种基于数据和知识双驱动的自动驾驶车辆换道决策方法，属于自动驾驶技术领域，首先使用搭载激光雷达、摄像头、毫米波雷达的车辆采集高速公路场景下的实验数据，形成数据训练集，基于Transformer构建车辆行为倾向识别模型，并使用随机搜索的方法对模型参数进行优化，使用优化好的车辆行为倾向识别模型对车辆的行为倾向进行实时判断，若行为倾向为左换道或右换道，则采用最小安全距离模型进行安全性判别，换道决策安全则执行换道决策，如果不满足安全性判别将执行车道保持或减速决策。本发明可以通过对换道车辆及其周边车辆在换道过程中的运行特征及位置、速度关系进行安全性分析，保证车辆换道的安全。
-
公开(公告)号：CN117936840A
公开(公告)日：2024-04-26
申请号：CN202410322935.5
申请日：2024-03-21
Applicant: 山东科技大学
IPC: H01M8/04089 , H01M8/04082 , H01M8/04111 , H01M8/04119 , H01M8/04746 , H01M8/04313 , H01M8/04992 , H01M8/06
Abstract: 本发明公开一种燃料电池氢气路装置与控制方法，属于燃料电池技术领域。该装置包括氢气瓶、进氢稳压腔、引射器、氢水分离器和氢气循环泵；氢气瓶通过进氢稳压腔与引射器的第一进口连接，引射器的出口与电堆的入口连接；电堆的出口与氢水分离器连接，氢水分离器的气体出口与引射器的第二进口连接；氢水分离器还与氢气循环泵的进口连接，氢气循环泵的出口通过管道分别与电堆的入口和出口连接。本发明可根据需要实现引射器和氢气循环泵的串并联切换，并进行电堆入口、出口处的单独或同时供氢等，从而提高氢气的循环使用效率，缓解引射器工作压力，缩短氢气传输路径，并且可起到有效缓解加载工况下氢饥饿现象，缓解水淹，缓解铂降解等效果。
-
Patent Agency Ranking
公开(公告)号：CN118243992B
公开(公告)日：2024-07-30
申请号：CN202410649747.3
申请日：2024-05-24
Applicant: 山东科技大学
IPC: G01R19/08 , G01R31/378 , H01M8/04537 , H01M8/04664
Abstract: 本发明公开了一种燃料电池电流密度分布的重构装置及方法，属于电变量测量技术领域，用以解决现有的燃料电池电流密度分布的测量方法所需的测量成本高的技术问题。装置包括：导线阵列及磁通量传感器，所述磁通量传感器与所述导线阵列之间的距离，和所述磁通量传感器与燃料电池的质子交换膜之间的距离相等。本发明通过一个磁通量传感器和由导线构成的阵列，即可实现燃料电池的电流密度分布的重构，降低了测量燃料电池的电流密度分布的硬件成本，降低了测量成本，有利于在实际测量中进行应用。
-
公开(公告)号：CN118209869A
公开(公告)日：2024-06-18
申请号：CN202410620712.7
申请日：2024-05-20
Applicant: 山东科技大学
IPC: G01R31/367 , H01M8/04664 , H01M8/04298 , G01R31/378
Abstract: 本发明涉及燃料电池故障诊断技术领域，特别是涉及基于先验知识和多源信息融合的燃料电池故障诊断方法，包括：获取燃料电池在不同电流密度和工作状态的电压信息；对电压信息的特征进行提取和特征级融合，获取先验知识特征矩阵；获取燃料电池在不同频率下的交流阻抗；建立燃料电池的三阶电化学等效电路模型，并获取阻抗计算模型；基于不同频率下的交流阻抗通过改进的Nelder‑Mead算法对阻抗计算模型进行参数辨识，获取阻抗信息特征矩阵；将先验知识特征矩阵和阻抗信息特征矩阵进行特征级融合和归一化后输入SVM分类器进行训练，构建燃料电池故障诊断分类器，获取待测燃料电池故障。本发明能够增强对故障的准确识别和定位能力。
-
公开(公告)号：CN118163925A
公开(公告)日：2024-06-11
申请号：CN202410599096.1
申请日：2024-05-15
Applicant: 山东科技大学
Abstract: 本发明公开了一种零碳多模式船舶动力控制系统及方法，属于零碳动力系统技术领域，包括：设置航行速度阈值、动力电池SOC阈值和需求转矩阈值，同时获取电机峰值转矩和发动机输出转矩；判断船舶航行状态，其中船舶航行状态包括低速航行状态和高速航行状态；获取实时动力电池SOC并和动力电池SOC阈值进行对比，生成电池SOC对比结果；将航行需求转矩与电机峰值转矩、发动机最优输出转矩和需求转矩低阈值进行对比，生成转矩对比结果；基于船舶航行状态、电池SOC对比结果和转矩对比结果进行模式切换。本发明根据航行速度、动力电池SOC、需求转矩等参数设计了合适的控制策略。实现十种工作模式，以应对航行过程中不同复杂工况的需求。
-
公开(公告)号：CN117128966B
公开(公告)日：2024-04-02
申请号：CN202310967197.5
申请日：2023-08-02
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于多因素耦合的车辆充电路径规划方法及设备，属于车辆充电导航技术领域，用于解决现有车辆的充电桩路径规划，难以结合内外界的多种耦合因素的影响，依靠剩余续航找到合适的充电桩，不利于车辆对充电桩路径的导航规划的技术问题。方法包括：对车辆的运行情况进行实时监测，得到车辆运行信息；对车辆运行信息进行多因素的能耗计算，得到车辆的实际剩余SOC续航余量；基于实际剩余SOC续航余量，对车辆所处的当前车辆位置进行路径的选择规划，得到多条可选路径；对车辆运行信息进行多因素的权重分析，得到预计SOC剩余续航估计值；然后再对多条可选路径进行最优路径的筛选处理，确定出最佳充电路径。
-
公开(公告)号：CN116902002A
公开(公告)日：2023-10-20
申请号：CN202310937836.3
申请日：2023-07-27
Applicant: 山东科技大学
IPC: B60W60/00 , B60W50/00 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例公开了一种自动驾驶车辆的轨迹跟踪控制方法、设备及介质，方法包括：获取自动驾驶车辆的理想轨迹与实际轨迹，以确定自动驾驶车辆的跟踪误差；根据预设递减函数确定跟踪误差的界定条件，并基于界定条件的转化对跟踪误差进行转换，获得误差转换结果；根据误差转换结果定义贝尔曼函数，以获得与自动驾驶车辆相对应的目标控制函数；通过定义Q函数神经网络对贝尔曼函数进行重构，获得重构贝尔曼函数，以获得待求解神经网络权值与目标控制函数的关系；基于待求解神经网络权值的估计误差，设计有限时间自适应律，以基于有限时间自适应律更新Q函数神经网络，并根据更新后的Q函数神经网络设计目标控制函数的最优控制。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.022 seconds)
