一种汽车转向控制算法在环的半实物仿真系统

    公开(公告)号:CN118192298A

    公开(公告)日:2024-06-14

    申请号:CN202410370125.7

    申请日:2024-03-28

    Abstract: 本发明公开了一种汽车转向控制算法在环的半实物仿真系统,涉及汽车转向控制算法技术领域,包括实时机系统、转向架试验机,和上位机系统,所述实时机系统用于运行测试组合模型,以及产生电机以及转向架的控制信息,所述测试组合模型包括汽车运动学模型、驾驶员模型、待测路面模型和行驶工况模型,所述实时机系统还用于生成针对电机和转向机构的控制指令,所述转向架试验机用于按照实时机系统的控制指令调节电机转速与转向机构的转向角度,并采集车辆的运动信息和转向力矩,并向实时机系统反馈,本发明无需建立复杂的汽车转向模型,且能够将汽车转向实际运行过程的非线性因素纳入考量,能够达到较高的测试精准度,测试效果较好。

    一种基于半实物仿真技术的汽车倒车控制系统和方法

    公开(公告)号:CN118276464A

    公开(公告)日:2024-07-02

    申请号:CN202410363892.5

    申请日:2024-03-27

    Abstract: 本发明公开了一种基于半实物仿真技术的汽车倒车控制系统和方法,包括半实物仿真设备、倒车控制单元,倒车影像处理单元和计算机系统,半实物仿真设备由车辆底盘、驾驶舱等仿真装置组成,提供动力系统能够模拟真实车辆的倒车特性,倒车控制单元,倒车影像处理单元与半实物仿真设备相连接,可以确保车辆在倒车过程中的稳定性和安全性,实现精确的倒车控制。本发明能够实时分析和处理倒车场景,并根据预设的算法和控制策略发送控制指令给车辆,它确保车辆在倒车过程中的稳定性和安全性,实现精确的倒车控制无需建立大量的汽车倒车模型,且能模拟汽车倒车实际过程的多类突发情况,测试范围广且效果好。

    一种智能汽车电机控制器算法的实时测试方法及系统

    公开(公告)号:CN119960429A

    公开(公告)日:2025-05-09

    申请号:CN202510116514.1

    申请日:2025-01-24

    Abstract: 本发明公开了一种智能汽车电机控制器算法的实时测试方法及系统,属于汽车电机控制技术领域,方法包括通过MFO算法对预先在宿主机中编写的电机控制器算法进行优化;再传输到目标机上,利用搭载的双核实时系统以及Simulink‑RT内核实时执行接收到的电机控制器算法,通过安装在目标机上的集成板卡将实时执行的电机控制器算法转化为电气信号,以控制被控汽车电机;通过被控汽车电机实时测试电机控制器算法的运行情况,并将电机的控制参数返回至宿主机进行迭代优化,直至获取最优电机控制参数,从而得到最优的电机控制器算法,完成测试;本发明解决了在汽车生产过程中,无法提前对电机控制系统进行可用性测试的问题。

    一种基于量子点癌症检测的荧光信号增强方法

    公开(公告)号:CN119716065A

    公开(公告)日:2025-03-28

    申请号:CN202411909819.X

    申请日:2024-12-24

    Abstract: 本发明公开了一种基于量子点癌症检测的荧光信号增强方法,包括:步骤A.利用叠氮基修饰方法修饰量子点表面,然后进入步骤B;步骤B.利用酶解法修饰生物探针表面,然后进入步骤C;步骤C.利用双功能连接剂连接量子点与生物探针。本发明针对检测过程中生物探针与量子点连接效率低而导致荧光强度弱的问题,采用对量子点和生物探针表面进行适当修饰,及利用双功能连接剂连接二者等措施,增强生物探针与量子点的亲和力,使生物探针与量子点之间能形成更稳定的、高效的连接,有效提高了检测过程中荧光信号的强度。

    一种模型和深度神经网络结合的代码生成方法

    公开(公告)号:CN118210486A

    公开(公告)日:2024-06-18

    申请号:CN202410391407.5

    申请日:2024-04-01

    Abstract: 本发明公开了一种模型和深度神经网络结合的代码生成方法,涉及智能教育管理领域,包括以下步骤:步骤一:主需求建模;S1:利用活动图进行需求建模,通过形式化定义活动图,自动生成宏观逻辑框架代码;S2:采用深度神经网络模型,特别是基于Action序列的深度学习模型,从自然语言描述中预测出微观细节功能代码;S3:相似代码检索;将输入的代码片段以及所有的训练集解析为AST,并通过先序遍历进一步获得序列表示。该模型和深度神经网络结合的代码生成方法,首先利用活动图进行需求建模,通过形式化定义活动图,生成宏观逻辑框架代码,然后,采用深度神经网络模型,特别是基于Action序列的深度学习模型,从自然语言描述中预测出微观细节功能代码。

    一种用于电动汽车制动的开发方法及装置

    公开(公告)号:CN118468416A

    公开(公告)日:2024-08-09

    申请号:CN202410362888.7

    申请日:2024-03-28

    Abstract: 本发明实施例公开了一种用于电动汽车制动的开发方法及装置,涉及智能汽车技术领域。基于半实物仿真系统的车辆制动算法开发和优化,包括宿主机系统、电机制动系统、实时机系统、数据采集系统。宿主机系统用于算法设计确定当前是否需要制动;电机制动系统用于执行制动流程以及采集制动信息向实时机反馈;实时机系统用于制动测试确认制动力是否满足制动需求;数据采集系统采集测试数据并向实时机传输。无需建立复杂的实物模型的情况下,可以实现汽车制动算法的开发,从而节约开发成本。

Patent Agency Ranking