公开(公告)号：CN110610260B

公开(公告)日：2023-04-18

申请号：CN201910771693.7

申请日：2019-08-21

申请人： 南京航空航天大学

发明人： 李玉芳 ,  张俊 ,  任陈 ,  卢小丁 ,  倪铭

IPC分类号： G06Q10/04 ,  G06Q50/30 ,  G06N3/044 ,  G06N3/08

摘要： 本发明公开一种行车能耗预测系统、方法、存储介质和设备，其中预测方法包括获取规划行驶路线的历史工况数据；基于历史工况数据构建训练样本数据集；对训练样本数据集进行数据训练，建立车速特征BP神经网络模型和行车能耗BP神经网络模型；获取规划行驶路线上的实时工况信息，输入至车速特征BP神经网络模型中进行预测，得到未来行驶的车速特征数据，然后将车速特征数据输入至行车能耗BP神经网络模型中进行预测，得到未来的行驶能量消耗数据，实现行车能耗的在线预测。本发明可实现不同道路环境和交通状态的行驶工况下行车能耗的在线有效预测，帮助提高车辆智能能量管理的效率。

公开(公告)号：CN110688729A

公开(公告)日：2020-01-14

申请号：CN201910788526.3

申请日：2019-08-26

申请人： 南京航空航天大学

发明人： 李玉芳 ,  卢小丁 ,  任陈 ,  张俊

IPC分类号： G06F30/20 ,  G06F30/15 ,  G06F17/11 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于自适应卡尔曼滤波的LSTM-IDM跟驰特性融合方法、存储介质及设备，其中方法包括针对单个驾驶员建立LSTM模型，输入为自车速度、相对速度和相对距离，输出为第一自车加速度；利用单个驾驶员的历史数据分批次对LSTM模型进行训练；利用单个驾驶员的历史数据对IDM模型进行基于遗传算法的参数标定，得到第二自车加速度；采集当前车辆实时行驶数据，分别传送到LSTM模型和IDM模型；构建卡尔曼状态方程和量测方程，将第一自车加速度和第二自车加速度作为输入，得到融合后的加速度值。采用本发明的方法既提高了数据驱动模型输出的物理特性合理性，又改善了理论驱动模型的精度及可泛化能力。

公开(公告)号：CN110614894A

公开(公告)日：2019-12-27

申请号：CN201910771694.1

申请日：2019-08-21

申请人： 南京航空航天大学

发明人： 李玉芳 ,  卢小丁 ,  倪铭 ,  徐国放

IPC分类号： B60G17/0165 ,  B60G17/019

摘要： 本发明公开一种用于复杂路况的主动悬架控制系统和控制方法，其中控制系统包括环境感知模块，包括速度传感器、红外结构光组件和单目摄像头；实时处理控制模块，包括BP神经网络，其接收来自速度传感器和红外结构光组件的数据，输出适合当前路况的阻尼和刚度值，再结合卷积神经网络输出的数据，得到修正的阻尼和刚度值；调节模块，用于将修正的阻尼和刚度值传送到主动悬架，并对主动悬架的阻尼和刚度进行调整。本发明在保证实时性和精度的前提下，降低了路面信息获取的成本，提升了对路面的适应能力。

公开(公告)号：CN110610260A

公开(公告)日：2019-12-24

申请号：CN201910771693.7

申请日：2019-08-21

申请人： 南京航空航天大学

发明人： 李玉芳 ,  张俊 ,  任陈 ,  卢小丁 ,  倪铭

IPC分类号： G06Q10/04 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种行车能耗预测系统、方法、存储介质和设备，其中预测方法包括获取规划行驶路线的历史工况数据；基于历史工况数据构建训练样本数据集；对训练样本数据集进行数据训练，建立车速特征BP神经网络模型和行车能耗BP神经网络模型；获取规划行驶路线上的实时工况信息，输入至车速特征BP神经网络模型中进行预测，得到未来行驶的车速特征数据，然后将车速特征数据输入至行车能耗BP神经网络模型中进行预测，得到未来的行驶能量消耗数据，实现行车能耗的在线预测。本发明可实现不同道路环境和交通状态的行驶工况下行车能耗的在线有效预测，帮助提高车辆智能能量管理的效率。

公开(公告)号：CN110688729B

公开(公告)日：2023-07-14

申请号：CN201910788526.3

申请日：2019-08-26

申请人： 南京航空航天大学

发明人： 李玉芳 ,  卢小丁 ,  任陈 ,  张俊

IPC分类号： G06F18/25 ,  G06F18/15 ,  G06F17/11 ,  G06N3/0442 ,  G06N3/086

摘要： 本发明公开一种基于自适应卡尔曼滤波的LSTM‑IDM跟驰特性融合方法、存储介质及设备，其中方法包括针对单个驾驶员建立LSTM模型，输入为自车速度、相对速度和相对距离，输出为第一自车加速度；利用单个驾驶员的历史数据分批次对LSTM模型进行训练；利用单个驾驶员的历史数据对IDM模型进行基于遗传算法的参数标定，得到第二自车加速度；采集当前车辆实时行驶数据，分别传送到LSTM模型和IDM模型；构建卡尔曼状态方程和量测方程，将第一自车加速度和第二自车加速度作为输入，得到融合后的加速度值。采用本发明的方法既提高了数据驱动模型输出的物理特性合理性，又改善了理论驱动模型的精度及可泛化能力。

公开(公告)号：CN110667434A

公开(公告)日：2020-01-10

申请号：CN201910856412.8

申请日：2019-09-11

申请人： 南京航空航天大学

发明人： 李玉芳 ,  张俊 ,  倪铭 ,  卢小丁

IPC分类号： B60L58/10 ,  B60L3/12

摘要： 一种自适应工况的纯电动汽车行驶里程估计方法及系统。本发明涉及电动汽车监控技术领域。本发明提出了一种基于道路环境、交通状态以及车辆运行的历史、实时的大数据对任意规划行驶路线上不同行驶工况下的行车电耗进行在线预测，进而实现对不同道路和交通环境的行驶工况下剩余续驶里程的自适应估算的自适应工况的纯电动汽车行驶里程估计方法及系统。本发明的技术方案为：按以下步骤进行工作：1)、采集数据；2)、构建样本数据集；3)、建立行车电耗预测模型；4)、行车电耗在线预测；5)、计算剩余续驶里程。本发明可实现对不同道路和交通环境的行驶工况下剩余续驶里程的自适应估算。