“申江卫”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果39个，建议您升级VIP下载更多相关专利

[发明专利]一种全自动一体化汽车补漆的刮痕识别方法-CN202310687999.0在审
发明人：马丽洁;申江卫;陈峥;沈世全;姚树茂;余成杰;白雅贤 -专利权人：昆明理工大学
申请日： 2023-06-12 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种全自动一体化汽车补漆的刮痕识别方法，包括以下步骤：步骤1：图像的获取及预处理；步骤2：数据增强处理：采用灰度自适应刮痕识别生成方法对预处理后的整车车身图像进行数据增强处理；步骤3：分类模型识别刮痕：选择分类模型，同时引入金字塔池化解决改进双边滤波算法预处理后刮痕区域大小不一的问题，获取疑似刮痕区域，并将疑似刮痕区域输入分类模型进行刮痕识别。引入灰度自适应刮痕识别生产方法进行数据增强处理，防止网络训练过拟合，提高识别精度。本发明采用基于深度学习的目标检测方法——改进双边滤波算法进行图像预处理，保持刮痕细节特征的同时对车模背景进行平滑处理，提高模型的刮痕检测精度与鲁棒性。
一种全自动一体化汽车刮痕识别方法

[发明专利]基于双延迟Q学习的插电式混合动力汽车能量管理方法-CN202310552153.6在审
发明人：沈世全;高顺;郭玉帆;陈峥;申江卫;王青旺;胡后征 -专利权人：昆明理工大学
申请日： 2023-05-16 - 公布日： 2023-09-29 - 主分类号： B60W20/15 文献下载
摘要：本发明提供的基于双延迟Q学习的插电式混合动力汽车能量管理方法包括以下步骤：步骤1：获取车辆历史车速和加速度数据；步骤2：建立动力传动系统的数学模型、车辆动力纵向学模型和动力部件之间的功率平衡方程；步骤3：求解离线双延迟Q学习控制器；步骤4：利用历史车速和加速度数据训练卷积神经网络模型得到CNN车速预测模型；步骤5：在模型预测控制框架上，求解发动机与动力电池最优功率分配。本发明提出的基于双延迟Q学习的插电式混合动力汽车的能量管理方法，相比传统的强化学习算法，使用两个Q函数来选择和评估动作，避免动作值的高估，同时引入两个自由参数和三个内部变量延迟Q函数的更新，提高了算法的稳定性，节油能力更强。
基于延迟学习插电式混合动力汽车能量管理方法

[发明专利]一种绿色智能补漆一体化的系统及方法-CN202310565849.2在审
发明人：姚树茂;申江卫;陈峥;朱天贤;马丽洁;杨雯;余成杰 -专利权人：昆明理工大学
申请日： 2023-05-19 - 公布日： 2023-09-29 - 主分类号： B05B16/20 文献下载
摘要：本发明涉及一种绿色智能补漆一体化系统，包括喷漆前端子系统模块、喷漆机器人子系统模块和智化喷漆平台子系统模块，所述的喷漆前端子系统模块、喷漆机器人子系统模块、智化喷漆平台子系统模块依次连接；喷漆前端子系统模块为喷漆机器人子系统模块的运行做准备工作，喷漆机器人子系统模块用于喷漆工作，智化喷漆平台子系统模块用于快速烘干漆面和喷漆空气净化；本发明的一种绿色智能补漆一体化系统，能实现智能一体化：车主通过与用户终端系统HMI界面智能交互，完成导航指引，到达服务站点后，用户托管汽车，自动泊车系统将汽车代为泊入服务站进行补漆，用户无复杂多余操作便可轻松实现对汽车补漆的一体化流程。
一种绿色智能一体化系统方法

[发明专利]一种全温度下基于SRCKF的锂电池内部温度在线估计方法-CN202211599864.0在审
发明人： 申江卫;张政;陈峥;沈世全 -专利权人：昆明理工大学
申请日： 2022-12-14 - 公布日： 2023-07-18 - 主分类号： G01R31/367 文献下载
摘要：本发明涉及一种全温度下基于SRCKF的锂电池内部温度在线估计方法，其特征在于，包括以下步骤：步骤1：数据采集；步骤2：二阶RC等效电路模型与热模型的建立；步骤3：分别对二阶RC等效电路模型和双状态集中参数热模型的参数进行辨识；步骤4：给予SRCKF算法进行电池内外部温度在线估算；步骤5：等效电路模型与双状态集中参数热模型的耦合。热电耦合模型采用了二阶RC等效电路模型，能够更加准确地描述电池内部阻容特性，所采用的双状态热模型能充分体现电池内外部温度的巨大差异，同时对电池生热方程进行了合理简化，大大减小模型复杂度，提高计算效率。
一种温度基于 srckf 锂电池内部在线估计方法

[发明专利]一种融合注意力机制的混合深度网络的锂电池SOH估计方法-CN202211323630.3在审
发明人：陈峥;赵红茜;舒星;申江卫;刘永刚 -专利权人：昆明理工大学
申请日： 2022-10-27 - 公布日： 2023-02-03 - 主分类号： G01R31/392 文献下载
摘要：本发明公开了一种融合注意力机制的混合深度网络的锂电池SOH估计方法，包括以下步骤：(1)获取N块锂电池的循环老化数据；(2)计算N块锂电池的真实SOH值并剔除异常循环得到初始数据集D1～DN；(3)获得N块锂电池的温差曲线；(4)提取N块锂电池的老化特征；(5)构建训练集和测试集；(6)建立融合注意力机制的混合深度网络的锂电池SOH估计模型；(7)训练融合注意力机制的混合深度网络的锂电池SOH估计模型；(8)获得SOH估计值。本发明充分融合了CNN网络、GRU网络和注意机制三种算法的优点，能够实现对锂电池SOH的精确可靠估计，并且对电池不一致性具有很强的鲁棒性和通用性。
一种融合注意力机制混合深度网络锂电池 soh 估计方法

[发明专利]一种电池单体电压多步超前预测和故障诊断方法-CN202211219981.X在审
发明人：陈峥;赵红茜;舒星;申江卫;刘永刚 -专利权人：昆明理工大学
申请日： 2022-10-08 - 公布日： 2023-01-31 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种电池单体电压多步超前预测和故障诊断方法，包括以下步骤：(1)从云端监测平台获取实车电池系统的历史充放电数据；(2)数据清洗；(3)选取特征参数；(4)构造数据结构；(5)建立基于GRU神经网络的电池单体电压预测模型；(6)得到电池单体电压多步超前预测值；(7)得到电池单体电压故障多步超前诊断结果。本发明使用多步超前预测方法构造电池单体电压多步超前预测的数据结构并结合建立的基于GRU神经网络的电池单体电压预测模型实现了电池单体电压的多步超前预测，然后结合制定的电压故障诊断策略实现了对电池单体电压故障的诊断。
一种电池单体电压超前预测故障诊断方法

[发明专利]一种基于迁移学习算法的锂离子电池组SOH估计方法-CN202110422710.3有效
发明人：舒星;陈峥;申江卫;刘永刚;赵红茜;颜文胜 -专利权人：昆明理工大学
申请日： 2021-04-16 - 公布日： 2022-11-29 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于迁移学习算法的锂离子电池组SOH估计方法，其特征在于，包括以下步骤：步骤1、数据采集；步骤2、数据处理；步骤3、基础模型构建；步骤4、均值模型构建；步骤5、差值模型构建；步骤6、电池组SOH计算。本发明的一种基于迁移学习算法的锂离子电池组SOH估计方法，利用恒流充电过程中特定电压范围充电时间作为特征参数，利用长短期记忆神经网络和迁移学习算法构建电池组均值模型，大大减少了训练集的数量。在此基础上，构建了电池组不一致性差异模型，表征了电池组单体不一致性，估计得到了电池组SOH。
一种基于迁移学习算法锂离子电池组 soh 估计方法

[发明专利]一种全温度下基于极简电化学模型的锂电池SOC估计方法-CN202211059682.4在审
发明人： 申江卫;周灿彪;陈峥;沈世全;舒星;蒋宝良 -专利权人：昆明理工大学
申请日： 2022-08-31 - 公布日： 2022-11-15 - 主分类号： G01R31/367 文献下载
摘要：本发明涉及一种全温度下基于极简电化学模型的锂电池SOC估计方法，包括以下步骤：步骤1：重建极简电化学模型；步骤2：使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识；步骤3：构建全温度下的极简电化学模型。步骤4：将固相扩散方程进行离散化，得到系统状态空间方程和量测方程；步骤5：基于步骤4的系统状态空间方程和量测方程，将平方根容积卡尔曼滤波算法融入到锂离子电池SOC估算中，得到状态更新后的精确SOC值。在平均电极模型上进行简化处理，并考虑环境温度因素影响，构建全温度下的极简电化学模型，将平方根容积卡尔曼滤波算法融入SOC估算中，消除过程噪声影响，提高运算效率的同时解决因环境温度干扰而造成SOC估算精度不高的问题。
一种温度基于电化学模型锂电池 soc 估计方法

[发明专利]一种基于随机短期充电数据的锂离子电池SOH估算方法-CN202111373284.5在审
发明人： 申江卫;马文赛;陈峥;沈世全;舒星 -专利权人：昆明理工大学
申请日： 2021-11-22 - 公布日： 2022-10-28 - 主分类号： G01R31/387 文献下载
摘要：本发明涉及一种基于随机短期充电数据的锂离子电池SOH估计方法，包括以下步骤：步骤1、数据采集；步骤2、多项式拟合；步骤3、短时充电电压估算；步骤4、获取最优系数；步骤5、完整充电电压估算；步骤6、数据处理；步骤7、基础模型构建；步骤8、电池SOH估算：利用等电压充电时间作为模型输入，获取估算电池SOH。基于极限学习机自身单隐含层结构和快速学习的特点，避免了复杂算法容易引起的过拟合问题，在步骤7模型训练中仅使用了40％的数据训练，就取得了良好的预测效果，证明该方法学习能力强，无需大量的训练数据。
一种基于随机短期充电数据锂离子电池 soh 估算方法

[发明专利]一种基于伪谱法的储能式有轨电车速度优化方法-CN202210942008.4在审
发明人：沈世全;刘欢;陈峥;申江卫;王青旺;胡志明;胡后征 -专利权人：昆明理工大学
申请日： 2022-08-08 - 公布日： 2022-10-11 - 主分类号： G06F30/15 文献下载
摘要：本发明涉及一种基于伪谱法的储能式有轨电车速度优化方法，包括以下步骤：步骤1：建立储能式有轨电车在城市道路中基于场景的环境模型；步骤2：建立储能式有轨电车的运动学模型；步骤3：储能式有轨电车以行驶过程中的总能耗最小为优化目标，建立模型约束；步骤4：储能式有轨电车通过伪谱法优化牵引力和制动力输出，进一步优化自身的速度轨迹，保证在绿灯相位下高效的通过十字交叉路口，实现行驶过程中的总能耗最小。本发明面向于城市里储能式有轨电车与机动车共用红绿灯的情况，考虑了红绿灯对储能式有轨电车运行状态的影响。优化了储能式有轨电车的速度轨迹和牵引力以及制动力使其在不停车的前提下顺畅通过交叉口，达到降低总能耗的目的。
一种基于伪谱法储能式有轨电车速度优化方法

[发明专利]一种面向混合交通流的信号交叉口双层优化方法-CN202210733253.4在审
发明人：沈世全;刘欢;陈峥;申江卫;王青旺;刘玺 -专利权人：昆明理工大学
申请日： 2022-06-27 - 公布日： 2022-09-20 - 主分类号： G08G1/01 文献下载
摘要：本发明涉及一种面向混合交通流的信号交叉口双层优化方法,包括以下步骤：步骤1：建立包括由自动驾驶车辆和人为驾驶车辆组成的混合交通流的信号交叉口场景，将信号交叉口场景划分为自由行驶区、观察区、控制区和交汇区，制定对应的行驶规则，并把自动驾驶车辆的状态分为四种状态，四种状态分别为非受控、计算、受控和重新计算，面向于混合交通流，提供了一种面向混合交通流下信号交叉口的双层优化方法，包括对交叉口信号灯的信号配时参数和车辆轨迹进行优化。
一种面向混合通流信号交叉口双层优化方法

[发明专利]基于优化高斯过程回归的锂离子电池可用容量估计方法-CN202110738140.9有效
发明人：马文赛;申江卫;陈峥;沈世全;赵红茜;舒星;高承志 -专利权人：昆明理工大学
申请日： 2021-06-30 - 公布日： 2022-09-06 - 主分类号： G01R31/367 文献下载
摘要：本发明涉及基于优化高斯过程回归的锂离子电池可用容量估计方法，具体包括以下步骤：S1、获取锂离子电池老化循环数据；S2、数据处理；S3、GPR模型搭建；S4、GPR模型优化；S5、GPR模型训练；S6、获得电池可用容量。本发明实现锂离子电池容量衰退的强非线性特征准确估算，模型产生的预测误差控制在2％以内，大幅提升了模型的运算精度。优化容量衰退特征的选择，利用电池监测参数中简单易得、易处理的特征量电池表面平均温度、容量增量曲线峰值及其出现位置作为电池容量衰退的表征参数，即老化因子。
基于优化过程回归锂离子电池可用容量估计方法

[发明专利]一种高精度的永磁同步电机参数辨识方法-CN202111481369.5在审
发明人：陈峥;李镇伍;申江卫;沈世全;李万超 -专利权人：昆明理工大学
申请日： 2021-12-09 - 公布日： 2022-08-30 - 主分类号： H02P21/00 文献下载
摘要：本发明涉及一种高精度的永磁同步电机参数辨识方法，具体包括以下步骤：(1)搭建FOC控制系统控制已知参数永磁同步电机运行；(2)采集电机运行信号；(3)坐标变换；(4)PI控制；(5)鲸鱼优化算法优化反向传播神经网络训练；(6)实现电机参数识别。本发明提出的永磁同步电机高精度参数辨识方法引入的一种智能寻优算法与反向神经网络的结合算法，相比传统的参数辨识方法，其优势是收敛速度快，无需进行公式推导和计算，模型搭建简便快捷，鲁棒性强，辨识精度高，辨识结果波动小。
一种高精度永磁同步电机参数辨识方法

[发明专利]一种基于优化BP神经网络的永磁同步电机参数辨识方法-CN202210430679.2在审
发明人：陈峥;李镇伍;高飘;李万超;申江卫 -专利权人：昆明理工大学
申请日： 2022-04-22 - 公布日： 2022-08-16 - 主分类号： H02P21/00 文献下载
摘要：本发明涉及一种基于优化BP神经网络的永磁同步电机参数辨识方法，具体包括以下步骤：(1)搭建FOC控制系统控制已知参数永磁同步电机运行；(2)采集电机运行信号；(3)坐标变换；(4)PI控制；(5)改进鲸鱼优化算法优化BP神经网络训练；(6)实现电机参数识别。本发明提出的永磁同步电机参数辨识方法引入了一种智能寻优算法与神经网络的结合算法，相比传统的参数辨识方法，其优势是收敛速度快，无需进行公式推导和计算，模型搭建简便快捷，鲁棒性强，辨识精度高，辨识结果波动小。
一种基于优化 bp 神经网络永磁同步电机参数辨识方法

[发明专利]一种全工况多尺度动力锂电池电化学耦合建模方法-CN202210368775.9在审
发明人： 申江卫;周灿彪;陈峥;沈世全;舒星 -专利权人：昆明理工大学
申请日： 2022-04-08 - 公布日： 2022-07-15 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种全工况多尺度动力锂电池电化学耦合建模方法，包括以下步骤：求解固相浓度扩散方程，应用大系统理论将其降阶处理，保留主导变量和特性，得到简化固相扩散模型；在恒流和动态工况下，针对液相浓度扩散方程利用有限离散卷积方法，求解方程的界面浓度，得到简化液相扩散模型；对固液相扩散方程进行降阶简化、对液相电势微分方程进行积分、推导Bulter‑Volmer方程，得到正负极液相电势之差和正负极过电势表达式；该发明平衡了P2D模型的液相动态性能、运算效率和适应性，在全工况充放电条件下，基于大系统理论简化得到的固相扩散方程和基于有限离散卷积方法求解得到的液相扩散方程相耦合，在保证模型精度的同时，提高模型运算速度和增强模型的适用性。
一种工况尺度动力锂电池电化学耦合建模方法

1
2
3
下一页»
尾页
共 39 条