一种基于数据驱动的电池放电容量曲线的预测方法

    公开(公告)号:CN118655464A

    公开(公告)日:2024-09-17

    申请号:CN202410869828.4

    申请日:2024-07-01

    申请人: 重庆大学

    摘要: 本发明涉及一种基于数据驱动的电池放电容量曲线的预测方法,属于电池健康管理领域。该方法包括以下步骤:S1:选定待测电池,对电池进行老化协议为恒流恒压充电和恒流放电的循环充放电实验,收集实验过程中的电流电压数据,并对数据进行预处理建立电池老化数据集;S2:获取电池每个循环的完整放电容量曲线;S3:构建输入输出对,并对本发明提出的预测框架进行训练;S4:利用训练好的预测框架对测试电池的放电容量曲线进行在线预测。本发明利用部分放电容量曲线对整条放电容量曲线进行重构,可同时获得电池在恒流放电工况下的多种参数及老化信息。

    一种基于博弈论的自动驾驶车辆人车交互决策规划方法

    公开(公告)号:CN114644018B

    公开(公告)日:2024-07-30

    申请号:CN202210486625.8

    申请日:2022-05-06

    申请人: 重庆大学

    IPC分类号: B60W60/00 B60W40/00

    摘要: 本发明涉及一种基于博弈论的自动驾驶车辆人车交互决策规划方法,属于自动驾驶汽车技术领域。该方法包括:S1:构建基于博弈论的人车交互模型,具体包括:构建车辆和行人的行为概率预测模型、车辆和行人成本矩阵;基于累积前景理论,根据车辆和行人的行为概率以及成本矩阵,计算车辆和行人行为的收益;引入协作系数,改进人车交互模型;基于改进的人车交互模型进行行人协作值推理;对人车交互模型进行验证;S2:结合实时交通信息的自动驾驶汽车协作控制。本发明能实现自动驾驶汽车针对不同合作程度行人的协作性控制,提高自动驾驶汽车的在无信号灯人行横道的通行效率与安全性。

    一种基于实车数据的动力电池组故障诊断方法

    公开(公告)号:CN112965001B

    公开(公告)日:2024-06-21

    申请号:CN202110180579.4

    申请日:2021-02-09

    IPC分类号: G01R31/396 G01R31/385

    摘要: 本发明涉及一种基于实车数据的动力电池组故障诊断方法,属于故障诊断领域。该方法包括:S1:选取发生热失控的事故车,将事故车分为两类,获取事故车生命周期后期的所有电池单体的充放电电压数据,对预处理后的单体电压进行标准化;S2:确定时间窗口长度,获取每一个时间窗口内的单体电压,构建单体电压状态矩阵,计算相应的参数向量作为基准参数向量,相应的状态向量作为基准状态向量;S3:将除第一个时间窗口之外的其余所有时间窗口下的单体电压状态矩阵,与基准参数向量相乘得到各时间窗口下的各电池单体的状态向量;S4:基于SRM方法实现电压的故障诊断。本发明实现了电压故障提前预警,异常单体准确定位以及故障类型的准确判断。

    一种多智能家庭的分布式智能能量管理方法

    公开(公告)号:CN113779493B

    公开(公告)日:2024-05-07

    申请号:CN202111096630.X

    申请日:2021-09-16

    摘要: 本发明涉及一种多智能家庭的分布式智能能量管理方法,属于智能电网技术领域,包括以下步骤:S1:建立智能家庭各部件的数学模型;建立社区中各智能家庭之间的拓扑结构,以实现其能量交易;制定各智能家庭之间的能量交易规则;S2:针对各智能家庭中的电动汽车建立相应的动力电池老化模型,包括循环老化模型和日历老化模型;S3:针对各智能家庭建立其日常电能成本最低的优化目标,设计各部件相应的约束;S4:对原优化问题转换成凸优化问题,保证所得解为全局最优;S5:设计各智能家庭之间能量交易的一致性辅助变量,利用Consensus ADMM算法对各智能家庭的优化问题进行分解协调至最优,使整个社区的电能成本最低。

    一种基于强化学习的自动驾驶车辆高速匝道智能汇入方法

    公开(公告)号:CN117227761A

    公开(公告)日:2023-12-15

    申请号:CN202311451680.4

    申请日:2023-11-02

    申请人: 重庆大学

    IPC分类号: B60W60/00 B60W50/00

    摘要: 本发明涉及一种基于强化学习的自动驾驶车辆高速匝道智能汇入方法,属于自动驾驶汽车领域,包括以下步骤:S1:构建基于深度确定性的策略梯度的强化学习智能汇入模型,包括搭建状态空间,确定动作空间,构建奖励函数,给定策略函数和评价模型的结构;S2:使用二自由度汽车运动学模型描述训练场景中车辆的运动,并利用基于规则的智能决策规划模型控制环境车辆,使环境具有交互特性;S3:训练所述基于深度确定性的策略梯度的强化学习智能汇入模型。本发明利用强化学习算法提高了自动驾驶汽车在高速匝道汇入场景下决策规划策略的最优性、稳定性与高效性。

    一种基于模型与数据驱动融合的电池包荷电状态估计方法

    公开(公告)号:CN112858916B

    公开(公告)日:2023-10-13

    申请号:CN202110050092.4

    申请日:2021-01-14

    申请人: 重庆大学

    摘要: 本发明涉及一种基于模型与数据驱动融合的电池包荷电状态估计方法,属于电池技术领域。用于提高动力电池在复杂工况下SOC估计的准确性。电池在实际车载使用时,其工况复杂多变,单一的基于等效电路模型或基于数据驱动的估计方法难以保证良好的估计精度。因此,结合自适应扩展卡尔曼滤波AEKF和高斯过程回归GPR的各自优点,该融合算法能够在SOC初值不准确、不同工况、不同环境温度、不同老化状态、不同电流倍率等情况下依然有较好的SOC估计精度和鲁棒性。在动态工况下,AEKF算法的SOC估计精度优于GPR算法;与之相反,在恒流工况下,GPR算法的SOC估计精度优于AEKF算法。

    一种方形锂电池电热耦合建模误差源分析方法

    公开(公告)号:CN113722926B

    公开(公告)日:2023-09-19

    申请号:CN202111044985.4

    申请日:2021-09-07

    申请人: 重庆大学

    摘要: 本发明涉及一种方形锂电池电热耦合建模误差源分析方法,属于电池技术领域。该方法是通过构建一种通用的误差分析框架来系统分析大尺寸方形电池面向控制的电热耦合建模过程中可能引入的误差源。首先,需要针对大尺寸方形电池建立一个计算高效的电热耦合模型。然后,以该建模思路为例,综合考虑数据采集、产热计算、传热模拟三个阶段可能引入的误差源,具体包括数据收集和预处理、产热计算方法、热/电热子模型参数化、以及电池本体与正、负极耳间的热相互作用分析等方面的误差源,以期通过该误差分析框架获取一组最佳的模拟组合,提高大型动力电池面向控制的电热模拟精度,从而为电池系统的在线电热监控及控制优化提供准确的模型基础。

    一种基于博弈论的自动驾驶车辆人车交互决策规划方法

    公开(公告)号:CN114644018A

    公开(公告)日:2022-06-21

    申请号:CN202210486625.8

    申请日:2022-05-06

    申请人: 重庆大学

    IPC分类号: B60W60/00 B60W40/00

    摘要: 本发明涉及一种基于博弈论的自动驾驶车辆人车交互决策规划方法,属于自动驾驶汽车技术领域。该方法包括:S1:构建基于博弈论的人车交互模型,具体包括:构建车辆和行人的行为概率预测模型、车辆和行人成本矩阵;基于累积前景理论,根据车辆和行人的行为概率以及成本矩阵,计算车辆和行人行为的收益;引入协作系数,改进人车交互模型;基于改进的人车交互模型进行行人协作值推理;对人车交互模型进行验证;S2:结合实时交通信息的自动驾驶汽车协作控制。本发明能实现自动驾驶汽车针对不同合作程度行人的协作性控制,提高自动驾驶汽车的在无信号灯人行横道的通行效率与安全性。

    一种实现自动驾驶车辆安全决策控制的方法

    公开(公告)号:CN114644017A

    公开(公告)日:2022-06-21

    申请号:CN202210486621.X

    申请日:2022-05-06

    申请人: 重庆大学

    IPC分类号: B60W60/00 B60W40/00

    摘要: 本发明涉及一种实现自动驾驶车辆安全决策控制的方法,属于自动驾驶汽车领域。该方法包括:S1:构建基于深度强化学习的决策模型及其不确定性评估方法,包括构建汽车运动学模型、状态空间、动作空间、构建奖励函数;构建并训练基于深度强化学习的决策模型;S2:构建危险场景下的混合安全决策模型。本发明可以输出决策模型的不确定性,帮助自动驾驶车辆识别出决策危险场景,并可以在车辆面临决策危险场景时采取备选安全策略,提升自动驾驶车辆安全性。