-
公开(公告)号：CN116522140A
公开(公告)日：2023-08-01
申请号：CN202310485390.5
申请日：2023-04-28
申请人： 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC分类号： G06F18/214 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种多任务深度学习模型，包括底部共享层、顶部任务层和门控网络；所述底层共享层包括多个特征提取模型，每个所述特征提取模型用于分别从输入数据内提取特征；所述顶部任务层与学习任务一一对应设有特定任务模型，所述门控网络与所述特定任务模型一一对应设置，所述门控网络以输入数据作为输入特征并输出经Softmax函数处理后的权重参数；所有的所述特征提取模型提取得到的特征经所述权重系数加权后进行组装得到的特征作为对应的所述特定任务模型的输入以执行特定的学习任务。本发明还公开了一种锂电池健康状态和剩余寿命预测方法和锂电池健康状态和剩余寿命控制方法。
-
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
申请人： 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC分类号： G01R31/367 , G01R31/392 , G06F18/241 , G06F18/214 , G06N3/0442
摘要： 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：CN118192346A
公开(公告)日：2024-06-14
申请号：CN202410366196.X
申请日：2024-03-28
申请人： 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC分类号： G05B19/042
摘要： 本发明涉及一种面向无信号灯十字路口的自动驾驶多车协同控制方法，属于自动驾驶技术领域。该方法具体包括：S1：构建基于深度学习的无信号灯十字路口多车轨迹预测模型，基于车辆历史状态和环境地图信息，输出路口内所有车辆的预测轨迹；S2：构建基于RSS的安全评估模型，根据车辆的当前状态和步骤S1的预测轨迹，输出每个车辆与周围车辆的冲突关系；S3：构建基于博弈论和IDM的运动规划模型，对有冲突车辆与无冲突车辆进行分别控制和联合行动。本发明能实现安全高效的无信号灯十字路口多车协同控制，与传统多车协同控制方法相比，能够针对路口内的局部冲突进行精确交互，在不扰乱车流的前提下提高安全性和通行效率。
-
公开(公告)号：CN117014311A
公开(公告)日：2023-11-07
申请号：CN202311123704.3
申请日：2023-08-31
申请人： 重庆赛力斯新能源汽车设计院有限公司
IPC分类号： H04L41/082 , H04L9/08 , H04L9/40
摘要： 本申请涉及车辆通信技术领域，提供了一种系统升级方法、装置、电子设备及存储介质。该方法中若接收到服务器传输的系统更新信息，则获取当前连接的设备对应的第一设备信息，并根据第一设备信息生成验证秘钥；基于验证秘钥和车辆对应的车辆信息生成验证信息，并将验证信息发送到服务器，以使得服务器在确定验证信息中携带的验证秘钥验证通过时，返回系统升级数据；若接收到服务器返回的系统升级数据，则获取当前连接的设备对应的第二设备信息；基于第二设备信息对系统升级数据进行验证，并在验证通过时基于系统升级数据对车辆进行系统升级。其中，服务器仅在验证秘钥验证通过时，才会返回系统升级数据，保证了系统升级的安全性。
-
公开(公告)号：CN117081925A
公开(公告)日：2023-11-17
申请号：CN202311118751.9
申请日：2023-08-31
申请人： 重庆赛力斯新能源汽车设计院有限公司
IPC分类号： H04L41/082 , H04L45/02 , H04L67/12
摘要： 本申请涉及数据传输技术领域，提供了一种升级数据传输方法、装置、电子设备及存储介质。该方法通过获取当前车辆的网络参数，基于网络参数确定当前车辆的网络状态；若网络状态满足目标状态，则从升级服务器获取至少一个升级数据；从邻近车辆中确定目标车辆，并从获取的至少一个升级数据中确定每个目标车辆对应的目标升级数据，实现了后续仅传输目标升级数据到对应的目标车辆，确定每个目标车辆对应的目标传递路径，并基于目标车辆对应的目标传递路径传输目标车辆对应的目标升级数据，实现了通过当前车辆传输目标升级数据到目标车辆中，避免了升级服务器需要为每一车辆提供升级数据，导致升级服务器负荷较大的问题。
-
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
申请人： 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
摘要： 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：CN114861736B
公开(公告)日：2023-11-17
申请号：CN202210635869.8
申请日：2022-06-07
申请人： 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分类号： G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 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：CN114719962B
公开(公告)日：2023-09-01
申请号：CN202210380093.X
申请日：2022-04-12
申请人： 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
摘要： 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：CN114861736A
公开(公告)日：2022-08-05
申请号：CN202210635869.8
申请日：2022-06-07
申请人： 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
摘要： 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
申请人： 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
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.087 秒)
