-
题名自适应的粒子群优化-支持向量机动力电池自放电诊断
- 1
-
-
作者
刘成豪
张宇豪
程端前
杨飞
付琰
-
机构
重庆大学大数据与软件学院
中国汽车工程研究院股份有限公司
-
出处
《汽车工程学报》
2025年第2期147-154,共8页
-
基金
国家重点研发计划(2022YFE0102700):大数据驱动的纯电动汽车运行安全性和经济性研究及测评技术开发。
-
文摘
提出了一种基于单体电池自适应电压阈值和粒子群优化-支持向量机(PSO-SVM)的动力电池自放电故障诊断方法。主要关注动力电池电压信号,结合箱型图法和专家审核,完成自放电故障的样本标记,再通过滑动窗口法提取时域和频域上的16种特征,使用主成分分析法对电压特征进一步降维,得到累计方差贡献度为95%的前5项主成分作为PSO-SVM模型的输入。该方法旨在提高电池自放电故障的识别精度,最终结果表明,提出的方法具有较高的识别准确率,可靠性强,在实际的电动汽车应用场景中有一定的前景和价值,可为电动汽车安全性能的提升提供理论支撑。
-
关键词
动力电池
电压信号
自放电
支持向量机
主成分分析
-
Keywords
power battery
voltage signal
self-discharge
support vector machine
principal component analysis
-
分类号
TN911
[电子电信—通信与信息系统]
U469
[机械工程—车辆工程]
-
-
题名基于B/S架构的汽车工程数据云平台的设计与实现
- 2
-
-
作者
白庆平
冯毅
万鑫铭
周佳
程端前
-
机构
中国汽车工程研究院股份有限公司
-
出处
《汽车工程学报》
2023年第6期923-928,共6页
-
基金
国家重点研发计划项目(2016YFB0101607)
重庆重点产业研发技术项目(cstc2018jszx-cyzdX0082)。
-
文摘
汽车产品开发愈发需要海量且高质量的基础数据作为支撑,汽车工程数据体系非常庞杂且彼此间关联度强,因此,针对汽车工程数据库开发,需站在汽车产品开发者和项目管理者角度为其提供更柔性化、可视化、深度化的数据服务。开发了高压缩比的图形引擎,并设计了一种基于B/S架构的汽车工程数据管理平台,以轻量化的三维模型为载体实现工程数据的强关联,较大程度地解决了汽车工程数据管理分散易丢失、完整性和一致性差、不易检索和无法进行数据挖掘等痛点问题,为汽车工程数据管理和重用提供了一个新的思路。
-
关键词
汽车工程数据
三维模型轻量化
B/S架构
数据管理
-
Keywords
automotive engineering data
lightweight three-dimensional model
B/S architecture
data management
-
分类号
TP392
[自动化与计算机技术—计算机应用技术]
-
-
题名基于新能源汽车大数据的事故特征模式匹配追踪分析
被引量：3
- 3
-
-
作者
抄佩佩
丰俊献
程端前
刘川
-
机构
中国汽车工程研究院股份有限公司
重庆交通大学经济与管理学院
-
出处
《汽车工程学报》
2021年第6期404-412,共9页
-
基金
国家重点研发计划“新能源汽车安全要素全面感知与特征识别技术及知识库构建”(2019YFB1600800)。
-
文摘
针对传统新能源汽车事故分析存在受限因素多、相互关联复杂度高、资源消耗大、事故原因较难下定论的问题,以新能源汽车全生命周期数据为例,提出一套事故数据模式特征匹配追踪的方法。通过构造高斯高阶导数滤波器,对模板信号的高阶微分特征进行抽取并形成多维特征模板,再用滤波器组与目标信号作卷积,将两者作相关性运算,计算其相关系数,把相关系数理解成概率并作为匹配程度的度量,计算联合概率最终完成模板信号的匹配程度计算,实现目标信号的匹配追踪。验证表明该方法科学有效,能够区分正常车辆和事故车辆,可以为新能源汽车安全预警提供有效依据。
-
关键词
新能源汽车
事故分析
模式匹配追踪
信号处理
-
Keywords
new energy vehicles
accident analysis
pattern matching tracking
signal processing
-
分类号
TN911
[电子电信—通信与信息系统]
U469
[机械工程—车辆工程]
-
