-
公开(公告)号：CN118220175A
公开(公告)日：2024-06-21
申请号：CN202410462354.1
申请日：2024-04-17
Applicant: 重庆大学 , 重庆赛力斯凤凰智创科技有限公司
IPC: B60W40/09
Abstract: 本发明公开了一种增程式汽车驾驶风格辨识方法，融合WNN、CNN、LSTM以及贝叶斯融合决策技术，深入分析增程式汽车的内部运行数据和外部环境数据，实现对驾驶风格的高精度识别，这种精准的识别为驾驶行为的评估和优化提供了可靠的基础。本发明的增程式汽车驾驶风格适应性反馈方法，通过识别和分析驾驶风格，系统能够为驾驶员提供个性化的反馈和建议，帮助他们意识到并改进潜在的危险驾驶习惯，从而有效降低事故发生率，提高道路行车安全性。本发明的增程式汽车能效优化方法，能够结合驾驶风格识别结果和车辆实时状态，提供能效优化建议，如调整动力系统配置、优化路线规划等，从而降低能耗，提高能源利用效率。
-
公开(公告)号：CN114861736B
公开(公告)日：2023-11-17
申请号：CN202210635869.8
申请日：2022-06-07
Applicant: 重庆大学 , 赛力斯集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了本发明首先提出了一种基于GIALDN网络的内部缺陷定位装置，包括：重塑模块：得到输入信号特征；去池化预处理模块：得到预处理信号特征；轻量化信号去噪模块：用于对预处理信号特征进行软阈值去噪处理，得到去噪信号特征；全局交互注意力模块：将去噪信号特征内的每一个数据点都互相连接起来，并且在每个通道间也建立起联系，以提取信号内的远距离联系与跨通道数据间的潜在关系，提升特征的辨别力；多层卷积模块：得到深度信号特征；结果输出模块：利用softmax函数，从深度信号特征中得到缺陷定位结果。本发明还公开了一种基于GIALDN网络的内部缺陷定位方法。
-
公开(公告)号：CN114972280B
公开(公告)日：2023-11-17
申请号：CN202210635875.3
申请日：2022-06-07
Applicant: 重庆大学 , 赛力斯集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
Abstract: 本发明公开了一种精细坐标注意力模块，包括坐标信息聚合单元、跨维度交互单元和注意力生成单元；所述坐标信息聚合单元用于对中间特征图分别在高度和宽度方向上编码坐标信息，并在高度和宽度方向上分别进行坐标平均池化和坐标最大池化处理，生成四组聚合特征；所述跨维度交互单元采用一个带降维层的卷积块，使所述坐标信息聚合单元生成的四组聚合特征共用该卷积块并独立进行特征变换，得到四组变换特征；所述注意力生成单元利用注意力权重将四组变换特征分别生成在高度和宽度方向上的两组坐标注意力，利用该两组坐标注意力对中间特征图进行重校准，得到输出特征图。本发明还公开了一种如上所述精细坐标注意力模块在表面缺陷检测中的应用。
-
公开(公告)号：CN119442878A
公开(公告)日：2025-02-14
申请号：CN202411509352.X
申请日：2024-10-28
Applicant: 重庆大学
Abstract: 本发明涉及一种面向混合动力汽车的深度强化学习型具身智能方法，属于新能源汽车与人工智能的交叉领域。该方法包括：S1：自定义离线训练与建模在线测试方案；S2：构建实时驾驶环境BEV感知方案；在自动驾驶仿真软件中加载离线训练场景与自定义测试地图，并根据nuScenes数据集配置摄像机；完成场景、车辆及传感器建模后，基于BEV Fusion算法对关键交通要素进行分割与检测；S3：通过BEV Fusion算法获得高维Camera BEV张量，利用深度强化学习算法训练“Alpha HEV具身智能模型”；S4：验证“Alpha HEV具身智能模型”。
-
公开(公告)号：CN114719962B
公开(公告)日：2023-09-01
申请号：CN202210380093.X
申请日：2022-04-12
Applicant: 重庆大学 , 重庆小康工业集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
Abstract: 本发明公开了一种基于机器学习的机械振动数字孪生模型构建方法，通过将数字孪生网格模型中所有节点的动力学特征向量送入并行的多个非线性动力学处理模块中，则可摈弃指定PDE方程的显式形式和复杂耗时的数值求解过程，通过非线性动力学处理模块自动提取机械振动传播的非线性微分动力学特征，使模型得以向真实物理系统进行不断优化和逼近，使模型最终学习到无限贴合真实场景下机械振动传播的隐式动力学行为，且可通过大规模GPU加速进行前向运算，极大提高甚至跟进真实固定振动传播速度并不断根据历史行为进行实时优化；因此，通过本发明方法构建得到的机械振动数字孪生模型能够用于对机械振动传播的快速精确模拟和预测。
-
Patent Agency Ranking
公开(公告)号：CN116609673A
公开(公告)日：2023-08-18
申请号：CN202310580527.5
申请日：2023-05-22
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G01R31/367 , G01R31/392 , G06F18/241 , G06F18/214 , G06N3/0442
Abstract: 本申请提出一种基于充电特征和迁移学习的电池剩余寿命预测方法及装置，涉及电池寿命预测技术领域。其中，方法包括：获取待测电池在距当前最近一次充电过程的充电数据；将充电特征数据输入至预设的电池剩余寿命预测模型，获得待测电池当前的剩余寿命预测值；其中，电池剩余寿命预测模型为已基于迁移学习的方式，学习得到待测电池的充电特征数据与剩余寿命之间映射关系的神经网络模型。该方案可以实现对电池剩余寿命的准确预测。
-
公开(公告)号：CN114861736A
公开(公告)日：2022-08-05
申请号：CN202210635869.8
申请日：2022-06-07
Applicant: 重庆大学 , 重庆小康工业集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
Abstract: 本发明公开了本发明首先提出了一种基于GIALDN网络的内部缺陷定位模型，包括：重塑模块：得到输入信号特征；去池化预处理模块：得到预处理信号特征；轻量化信号去噪模块：用于对预处理信号特征进行软阈值去噪处理，得到去噪信号特征；全局交互注意力模块：将去噪信号特征内的每一个数据点都互相连接起来，并且在每个通道间也建立起联系，以提取信号内的远距离联系与跨通道数据间的潜在关系，提升特征的辨别力；多层卷积模块：得到深度信号特征；结果输出模块：利用softmax函数，从深度信号特征中得到缺陷定位结果。本发明还公开了一种基于GIALDN网络的内部缺陷定位方法。
-
公开(公告)号：CN114719962A
公开(公告)日：2022-07-08
申请号：CN202210380093.X
申请日：2022-04-12
Applicant: 重庆大学 , 重庆小康工业集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
Abstract: 本发明公开了一种基于机器学习的机械振动数字孪生模型构建方法，通过将数字孪生网格模型中所有节点的动力学特征向量送入并行的多个非线性动力学处理模块中，则可摈弃指定PDE方程的显式形式和复杂耗时的数值求解过程，通过非线性动力学处理模块自动提取机械振动传播的非线性微分动力学特征，使模型得以向真实物理系统进行不断优化和逼近，使模型最终学习到无限贴合真实场景下机械振动传播的隐式动力学行为，且可通过大规模GPU加速进行前向运算，极大提高甚至跟进真实固定振动传播速度并不断根据历史行为进行实时优化；因此，通过本发明方法构建得到的机械振动数字孪生模型能够用于对机械振动传播的快速精确模拟和预测。
-
公开(公告)号：CN120008626A
公开(公告)日：2025-05-16
申请号：CN202510492780.4
申请日：2025-04-18
Applicant: 重庆赛力斯凤凰智创科技有限公司 , 重庆大学
Abstract: 本发明涉及一种多源数据融合的矢量地图构建方法及系统，包括：获取车辆行驶过程中的相机信息、点云信息和车辆状态信息；从相机信息中提取车道线2D语义信息和交通标志2D语义信息；同时从点云信息中提取路沿3D矢量地图元素和杆状物3D矢量地图元素；将车道线2D语义信息、交通标志2D语义信息与点云信息和外参关系相融合并转换为车道线3D矢量地图元素和交通标志3D矢量地图元素，并与路沿3D矢量地图元素和杆状物3D矢量地图元素构成单帧3D矢量地图；S4.将车辆状态信息和单帧3D矢量地图进行融合，得到路沿及车道线多帧融合矢量和交通标志及杆状物多帧融合矢量，即得到矢量地图。本发明能够快速构建高精度的矢量地图。
-
公开(公告)号：CN115688415B
公开(公告)日：2025-05-09
申请号：CN202211332157.5
申请日：2022-10-28
IPC: G06F30/20 , G06F18/2415 , G06F18/25 , G06Q10/0639 , G06Q10/04 , G06F119/04 , G06F111/08
Abstract: 本发明涉及一种本发明实施例提供的考虑切换状态的锂离子电池剩余寿命预测方法及设备，属于锂离子电池健康管理技术领域，该方法及设备通过获取锂离子电池的退化数据和历史状态数据，根据预先构建的锂离子电池退化模型和锂离子电池运行状态切换模型，从而考虑状态切换对锂离子电池退化的影响，有效解决了实际运行状态下锂离子电池RUL预测难的问题；同时相比其他方法，通过贝叶斯后验更新了预先构建的锂离子电池退化模型和锂离子电池运行状态切换模型，具有实时预测的能力；且本发明预先构建锂离子电池剩余概率密度函数模型，更利于在线计算，为锂离子电池RUL预测以及健康管理系统的嵌入式和云平台研发提供了依据和思路。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
