一种动力电池多故障检测方法与系统

    公开(公告)号:CN112319308B

    公开(公告)日:2022-03-22

    申请号:CN202011214794.3

    申请日:2020-11-04

    IPC分类号: B60L58/12 B60L3/00

    摘要: 本发明涉及一种动力电池多故障检测方法与系统。该动力电池多故障检测方法与系统,在以多个单体电池的电压时间序列数据为基础,构建得到电压矩阵和压差矩阵之后,采用阈值计数法确定每一电池单体被计数的次数,然后,根据次数和计数总数确定得到每一单体电池的频率向量,最后根据频率向量和预设频率阈值快速、精确的判断得到故障单体后,输出故障单体的编号。并且,采用的数据为电压时间序列数据,使得整个确顶过程更加全面,进而解决了现有技术中存在的不能精确、快速以及全面对动力电池故障进行检测的问题。

    一种金属防刺服的性能评价方法
    2.
    发明公开

    公开(公告)号:CN118862467A

    公开(公告)日:2024-10-29

    申请号:CN202410898262.8

    申请日:2024-07-05

    摘要: 本发明公开了一种金属防刺服的性能评价方法,属于人员防护装备技术领域,包括:获取标准穿刺实验数据中的动能数据、防刺服层数数据和防刺服厚度数据;基于所述动能数据、防刺服层数数据和防刺服厚度数据构建金属防刺服性能评估函数;基于所述金属防刺服性能评估函数构建防刺服优化方案;基于301不锈钢力学性能的弹性模量和拉伸强度,以及待评估不锈钢试样数据构建修正方案;基于所述优化方案和所述修正方案构建金属防刺服性能评价模型,基于所述金属防刺服性能评价模型输出评估结果。本发明能够准确快速的评估金属防刺服设计的性能是否合格,并给出以防护性能或轻量化为目标的合理优化方案。

    一种针对子弹和破片冲击的芳纶防弹衣的快速设计方法

    公开(公告)号:CN118194658A

    公开(公告)日:2024-06-14

    申请号:CN202410363351.2

    申请日:2024-03-28

    IPC分类号: G06F30/23

    摘要: 本发明公开了一种针对子弹和破片冲击的芳纶防弹衣的快速设计方法,包括:设计芳纶弹道性能拟合公式,获取若干组芳纶弹道实验数据对芳纶弹道性能拟合公式进行拟合;构建背部凹陷计算公式,获取背部凹陷数据对背部凹陷计算公式进行拟合;获取防护要求信息,基于拟合后的芳纶弹道性能拟合公式和背部凹陷计算公式、防护要求信息实现芳纶防弹衣的快速设计。本发明建立了一种芳纶防弹衣抗子弹和破片冲击的层数设计方法。通过开展少量的弹道实验,既可获得任意层数芳纶的弹道极限以及弹道极限下的背部凹陷,根据所需要的防护要求可以进行最优化设计。计算速度快,准确性高,可以克服多层防弹衣弹道实验和有限元仿真成本高、实施难度大的不足。

    一种动力电池多故障检测方法与系统

    公开(公告)号:CN112319308A

    公开(公告)日:2021-02-05

    申请号:CN202011214794.3

    申请日:2020-11-04

    IPC分类号: B60L58/12 B60L3/00

    摘要: 本发明涉及一种动力电池多故障检测方法与系统。该动力电池多故障检测方法与系统,在以多个单体电池的电压时间序列数据为基础,构建得到电压矩阵和压差矩阵之后,采用阈值计数法确定每一电池单体被计数的次数,然后,根据次数和计数总数确定得到每一单体电池的频率向量,最后根据频率向量和预设频率阈值快速、精确的判断得到故障单体后,输出故障单体的编号。并且,采用的数据为电压时间序列数据,使得整个确顶过程更加全面,进而解决了现有技术中存在的不能精确、快速以及全面对动力电池故障进行检测的问题。

    一种超高分子量聚乙烯浸渍液的制备方法和应用

    公开(公告)号:CN118029141A

    公开(公告)日:2024-05-14

    申请号:CN202410206056.6

    申请日:2024-02-26

    摘要: 本发明属于防弹技术领域,涉及一种超高分子量聚乙烯浸渍液的制备方法和应用。本发明通过由水、多巴胺盐酸盐、羧基化碳纳米管和Tris缓冲液制备得到一种超高分子量聚乙烯浸渍液,借助于聚多巴胺在超高分子量聚乙烯表面的自聚合效应,在纤维或织物表面织物形成了氨基和羟基,增加了纤维或织物表面活性,并与羧基化碳纳米管发生化学反应,增加了纤维与树脂的结合能力,并且通过浸渍改善超高分子量聚乙烯与树脂的结合性能后几乎对质量没有增加,不影响防护装备的防护性能和轻量化,主要使用浸渍、烘干、清洗工艺,无需复杂的生产设备且无污染物产生,生产成本低,适合批量生产,具有良好的应用前景。

    一种通感算融合网络下的卸载策略分布式优化方法

    公开(公告)号:CN118900432A

    公开(公告)日:2024-11-05

    申请号:CN202410822391.9

    申请日:2024-06-25

    摘要: 本发明提供一种通感算融合网络下的卸载策略分布式优化方法,属于通信感知计算一体化技术领域,包括MCC服务器分别计算不同卸载方案下终端感知任务的执行时延和终端功耗;引入卸载决策变量并得到每个终端感知任务的总执行时间和终端总功耗表达式;提出以所有终端的感知任务总执行时延为目标函数的优化问题;由不同的MEC服务器和MCC服务器迭代计算得到卸载决策变量的松弛解;使用松弛连续和基于膨胀的方法将卸载决策变量的松弛解恢复,由MEC服务器将卸载方案通知给不同的终端;终端在感知目标的同时,按照所接收的卸载方案,利用I SAC信号将前一时刻的感知数据卸载到MEC服务器或MCC服务器处理。本发明显著降低了感知任务平均执行延迟以及算法运行时间。

    电池内阻确定方法、装置、计算机设备和存储介质

    公开(公告)号:CN118625185A

    公开(公告)日:2024-09-10

    申请号:CN202410683076.2

    申请日:2024-05-29

    摘要: 本申请涉及一种电池内阻确定方法、装置、计算机设备和存储介质。所述方法包括:获取当前车辆的驱动电池在当前时段内的当前运行数据;将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型,得到相应回归模型的预测内阻值;不同回归模型基于不同回归算法实现;通过电池内阻估计网络中的元学习模型,对各预测内阻值进行极端梯度上升处理,得到驱动电池在当前时段内的目标内阻值。采用本方法能够通过元学习模型对回归模型优化,提高电池内阻估计网络的鲁棒性,进而使得电池内阻估计网络获取得到的目标内阻值更加准确,同时,本申请可以通过电池内阻估计网络对车辆驱动电池的内阻值进行批量估计,进一步提高了内阻值确定的效率。

    一种基于大数据的新能源汽车驱动电机老化程度评估方法

    公开(公告)号:CN114355220B

    公开(公告)日:2024-08-20

    申请号:CN202111527346.3

    申请日:2021-12-14

    IPC分类号: G01R31/392

    摘要: 本发明提供了一种基于大数据的新能源汽车驱动电机老化程度评估方法,其通过对同车型使用的同款驱动电机转矩参数值进行大数据分析得出该类电机输出转矩低、中、高的阈值范围;再结合待评估目标车辆的驱动转矩‑行驶里程函数斜率值,实现了其行驶片段的转矩水平进行划分,从而能够根据历史行程中电机的转矩表现反映出老化程度。该方法能够有效地利用实车大数据,使监管方和车主可以随时对电机的健康状况进行获取,克服了现有的线下检验方法的诸多不足。此外,该方法对新能源汽车全生命周期电机转矩参数特征的描述也可对汽车生产厂家对电机额定转矩的选取提供参考和指导,还可对电机设计生产厂家后续对于电机的优化设计和改进提供参考。

    一种基于车载摄像头和地图的车辆定位方法及系统

    公开(公告)号:CN117930297A

    公开(公告)日:2024-04-26

    申请号:CN202410323055.X

    申请日:2024-03-21

    摘要: 本发明公开一种基于车载摄像头和地图的车辆定位方法及系统,涉及车辆定位技术领域,该方法包括:根据车载摄像头采集的图像进行车道检测,得到车辆与左车道间的第一横向距离;将k时刻的车辆估计位置与高精度地图匹配得到车辆与左车道间的第二横向距离;将k时刻第一横向距离与第二横向距离之差的绝对值作为k时刻的实际残差;根据输入残差预测模型得到k时刻的预测残差;根据k时刻的实际残差和预测残差,判断k时刻的全球定位系统定位信号是否故障;当k时刻的定位信号故障时,通过无迹卡尔曼滤波得到k时刻的重构定位信号。本发明提高了车辆定位的准确性。

    一种基于云边协同多模型融合的动力电池寿命预测方法

    公开(公告)号:CN117272783A

    公开(公告)日:2023-12-22

    申请号:CN202311002320.6

    申请日:2023-08-09

    IPC分类号: G06F30/27 G06F119/04

    摘要: 本发明涉及电池寿命预测技术领域,尤其涉及一种基于云边协同多模型融合的动力电池寿命预测方法;基于汽车网联大数据平台收集的全量电动乘用车运行数据,从车型数据特性角度、单车全生命周期数据角度与单车电芯数据角度三个层面分别建立云端预测模型和边缘端预测模型,通过多模型多层次融合方法逐层深入具体地实现动力电池寿命的预测,同时对现实环境中样本数据缺少标签等问题,针对性地提出了采用半监督学习技术获取车辆动力电池RUL;为了更进一步地研究电芯的RUL情况,提出充分利用实验室的研究数据,采用迁移深度学习方法在较短时间内计算出电芯RUL,为电芯健康的预测利用提供方法。