公开(公告)号：CN119773516A

公开(公告)日：2025-04-08

申请号：CN202510288332.2

申请日：2025-03-12

Applicant: 吉林大学

Inventor： 孙耀 ,  赵封鑫 ,  胡云峰 ,  刘宏 ,  张冲 ,  程震 ,  许可 ,  宫洵 ,  曹志浩

IPC: B60L3/12 ,  B60L58/12

Abstract: 本发明适用于电动汽车技术领域，提供了一种知识数据协同驱动的电动汽车续驶里程分层预测方法。本发明不仅考虑了能耗对电动汽车续驶里程的影响，还考虑了可用能量对续驶里程的影响，从而提高了电动汽车续驶里程的预测精度；采用分层预测模型将电动汽车续驶里程预测问题转化为电动汽车能耗率与实际能量系数预测问题，提高了模型的灵活性和可扩展性，减少了开发时间和成本，大大提高了电动汽车续驶里程预测的准确性。此外，通过数据和机理协同驱动的模型，既克服了物理模型的局限性，又增强了可解释性，降低了对大规模数据的依赖，有效避免了模型过拟合的问题，增强了用户的信任程度，有利于电动汽车的推广。

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

Inventor： 孙耀 ,  赵封鑫 ,  胡云峰 ,  刘宏 ,  张冲 ,  许可 ,  程震 ,  宫洵 ,  曹志浩

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

Inventor： 孙耀 ,  刘宏 ,  胡云峰 ,  赵封鑫 ,  张冲 ,  程震 ,  许可 ,  宫洵

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。

公开(公告)号：CN119903280A

公开(公告)日：2025-04-29

申请号：CN202510379361.X

申请日：2025-03-28

Applicant: 吉林大学

Inventor： 胡云峰 ,  刘宏 ,  孙耀 ,  赵封鑫 ,  张冲 ,  程震 ,  许可 ,  宫洵

IPC: G06F17/18 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明适用于数据驱动技术领域，提供了一种基于多任务学习的不平衡回归问题解决方法。本发明通过多任务学习框架，有效利用辅助任务的知识，显著提升主任务在不平衡数据条件下的预测准确性；利用辅助任务提供的额外信息和约束，使得模型在数据稀缺的区域能够更好地学习，从而缓解不平衡数据带来的挑战；结合自适应梯度缩放与动态调整损失函数权重，有效平衡了不同任务在训练过程中的梯度贡献，提高了训练过程的稳定性和收敛速度；在训练后，本发明支持修剪辅助任务分支，使模型大小与单任务学习模型大小相当。这种精简能力确保了多任务学习方法在实际应用中的高效性和资源友好性，适合在资源受限的环境中部署。