基于合作感知的插电式混合动力汽车能量优化控制方法
专利汇可以提供基于合作感知的插电式混合动力汽车能量优化控制方法专利检索，专利查询，专利分析的服务。并且基于合作 感知 的插电式混合动 力 汽车 能量 优化控制方法，包括以下步骤：汽车由自身所带合作感知系统对自身精确 定位 并获取周围环境信息，构建表示环境信息局部数字栅格地图，通过无线通信完成与其他车辆感知的环境栅格地图实时共享，进行地图合并完善本车对路况的完整感知，结合汽车CAN总线信息预测汽车的未来最优 加速 度，计算出未来一段时间速度变化情况，利用预测的行驶速度提前获取未来一段时间转矩和功率需求，结合动力 电池 的当前容量状态，组合插电式混合动力汽车运行过程中各模式的占比，有效调节充放电控制。本 发明 实现了对混合动力汽车运行过程中的实时能量优化控制，能够达到改善燃油经济性和降低排放目的，易在实车上推广应用。，下面是基于合作感知的插电式混合动力汽车能量优化控制方法专利的具体信息内容。
1.基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于，包括如下步骤：
步骤1：汽车开始在道路上行驶，利用自身安装的GPS-BDS定位模块精确定位生成自身的实时位置信息；
步骤2：汽车上安装的多层传感器模块实时监测汽车周围道路信息，包括其他汽车、行人的位置和运动状态、道路交通信号以及障碍物的位置信息，通过信息处理模块完成信息的处理与融合，构建汽车自身局部环境栅格地图；
步骤:3：通过汽车上安装的合作感知系统中的无线通讯模块与通信范围内的其他车辆建立传输连接，完成各车生成局部的环境栅格地图的实时共享，同时上传自身车辆安装的CAN总线系统采集的信息；
步骤4：合作感知系统中的信息处理模块针对其他车辆共享的环境栅格地图，与自身环境栅格地图进行合并，最终生成反映自身周围环境的精确环境栅格地图；
步骤5：根据合并生成后的精确环境栅格地图，信息处理模块根据精确环境栅格地图合并结果生成路径优化函数，结合CAN总线系统采集的自身运动状态信息合理地预测汽车的加速度，从而实时预测未来一段时间内的行驶工况；
步骤6：根据预测行驶工况获取速度变化，可得到汽车在未来一段时间内的转矩和功率需求，结合纯电动驱动模式、发动机直接驱动模式、串联混合驱动模式、串联混合驱动充电模式、并联混合驱动模式、并联混合驱动充电模式、制动能量回收模式分别的耗能需求，可合理在这七种模式之间及时切换，从而达到改善燃油经济性以及节能减排的目的。
2.根据权利要求1所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于，基于合作感知的方法是建立在汽车实时通信的基础上，通过道路上多车之间的合作感知获取其周围的环境栅格地图，将行车过程中的车辆、行人、道路标线、交通信号信息在栅格地图上表示，利用采集到的环境信息生成路径优化函数，最终结合自身的运行状态预测未来一段时间内的行驶工况。
3.根据权利要求2所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于，通过合作感知结果所预测的所述行驶工况的信息，包括制动启动状态、加速行驶状态、减速行驶状态，根据未来一段时间内汽车的速度变化情况，可以结合插电式混合动力汽车的动力电池容量状态及行车转矩需求制定出合理的运行模式切换方案。
4.根据权利要求2所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于，通过合作感知获取自身周围环境的精确环境栅格地图过程是通过汽车上安装的合作感知系统完成的，所述合作感知系统包括：所述的GPS-BDS定位模块、所述的多层传感器模块、所述的无线通讯模块、所述的信息处理模块；其中，
GPS-BDS定位模块用于实现车辆的精确定位，获取其位置信息，提高传感器采集精度；
多层传感器模块包括三维激光雷达、CCD摄像头传感器，CCD摄像头传感器分为三层：第一层用于采集周围障碍物位置信息；第二层用于采集行人、车辆的动态变化；第三层用于采集交通环境信息，包括车道线、交通信号灯信息；
无线通讯模块用于与其他车辆联网，采用2.5GHZ通讯协议，其通讯范围设置为半径
50m，传输速度为60MB/s，对自身获取的环境信息进行共享；
信息处理模块一方面用于融合处理自身雷达和摄像头检测到的信息生成环境栅格地图，另一方面用于融合周边其他车辆共享的环境栅格地图。
5.根据权利要求2所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：利用汽车安装的CAN总线系统可获取汽车自身的运动参数，运动参数包括车速、动力电池状态、功率、转矩和控制信号，并将运动参数与合作感知系统连接以传输汽车自身信息到信息处理模块，并将自身的状态信息通过无线通讯模块传输给其他车辆；
利用合作感知系统获得的环境栅格地图信息与CAN总线系统获取的汽车自身速度信息、动力电池状态信息和转矩信息结合，通过信息处理模块完成汽车下一段时间内行驶工况的预测；
通过获取未来一段时间内的速度变化状态，可提前计算得到汽车的功率及转矩需求，结合功率、转矩需求，通过与插电式混合动力汽车动力系统中的发动机高效运转输出转矩比对，能量优化控制系统可根据自身动力电池状态合理调控自身驱动模式及充放电状态。
6.根据权利要求1所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：所述步骤1中，利用GPS与BDS两种定位系统结合的方法精确定位获取道路车辆的位置信息，通过对两种定位系统的数据融合，提高其定位精度。
7.根据权利要求4所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：所述步骤2中，通过底层的信息融合技术丰富单车对路场环境的感知，实现车辆对自身状态的检测的方法构建汽车自身局部环境栅格地图，其过程如下：
根据三维激光雷达和CCD摄像头传感器的安装位置建立空间坐标系模型，将三维激光雷达和CCD摄像头传感器采集的信息导入到该坐标系模型中；
对三维激光雷达和CCD摄像头传感器采集的信息进行预处理，过滤掉其非有用信息，并进一步提取其数据特征，对其进行归一化处理；
针对处理好的数据，利用卡尔曼滤波算法结合真实地图进行匹配计算，合并其特征信息；
结合上一次构建的栅格地图更新合并后的目标位置信息；
针对不断更新的目标数据多次进行过滤、合并、匹配运算、更新过程，最终构建出完整的环境栅格地图。
8.根据权利要求1所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：所述步骤3中，在单个车辆检测环境并生成局部的环境栅格地图之后，经过无线通信网络共享，将多个局部不完整的环境栅格地图加以综合，形成相对完整的环境栅格地图；
所述步骤4中，通过对多车构建的环境栅格地图进行合并，合并后的环境栅格地图解决单车感知的盲区问题，反映出汽车周围的物体分布情况，合并过程如下：
构建局部地图Mi和Mj，并输入局部地图Mi和Mj；
初始化种群qij，每个个体表示转换函数的参数λ、γ，转换函数计算公式为：
对每个个体进行适应度函数fn计算，用其作为寻优度量，适应度函数fn的计算公式如下：
公式中Nij为地图Mi和地图Mj完全融合的栅格数目，α为转换函数Fs的权重系数；；
根据选择、交叉和变异生成新的个体；
开始进行遗传迭代运算，判断是否满足终止条件，如果满条则继续进行下一步，反之则返回第二步；终止条件的设定是为了在有效的时间内完成迭代，实现地图的正确的融合，需要有一个评价函数 来确定地图Mi和Mj的融合是否失败，评价函数表示如下：
定义复合计算 如下：
式中，x、y分别为地图栅格的坐标值，θ为两栅格的相对位置角度， 和分别表示Mi和Mj中数值相同和数值不同的单元格数目；当 =1时表
示地图的重叠区域能够完全匹配， 的值越小，表示重叠区的匹配程度越小；
输出最优转换函数Fs；
根据最优转换函数对Mj进行平移和旋转，并与Mi融合得到新的地图。
9.根据权利要求1所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：所述步骤5中，通过精确环境栅格地图合并结果，结合模型预测控制算法，通过制定预测规则完成车辆最优加速度的实时预测，以尽可能快速和安全到达目的地为约束条件，求解其最优加速度，从而合理的预测未来一段时间内的汽车运行状态，即实时工况；求解其最优加速度公式如下：
从环境数字地图中获取自身车辆i、周围车辆j的位置si、sj以及障碍物位置zi，并由CAN总线获取当前加速度ui行车速度vi、vj以及j车相对i车的速度vji；
计算汽车运行过程中的合作感知意向轨迹Ki(t)，由式
；
计算车i、j之间的距离Sij，其中th为预测设定的时间间隔，
；
由模型预测控制算法计算预测的最优加速度值，
其中，td为预测时间段内某一时刻，T为预测时间总长，n为通信车辆数目，αk(k=1，2，3，
4)为权值系数，δt为迭代步长，β为障碍物位置误差系数；求解得到加速度后对其求导可得到时间T内的速度分布情况，即行驶工况。
10.根据权利要求1所述的基于合作感知的插电式混合动力汽车能量优化控制方法，其特征在于：所述步骤6中，通过制定混合动力汽车的控制策略，利用预测的工况合理地组合车辆在运行过程中的六种模式的占比，并调节其充放电的控制，其过程如下：
（1）系统获取当前SOC状态，当前车速和预测车速，并通过预测的工况信息求解其需求转矩；
（2）判断当前需求转矩是否大于0，若是则进入步骤（3），否则汽车切换到制动能量回收模式；
（3）若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq是否大于发动机高效转矩上限Tmax，则切换为纯电动模式驱动；若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq小于发动机高效转矩上限Tmax，则切换为发动机单独驱动模式驱动；若当前SOC值小于纯电驱动模式下SOC1则进入步骤（4）；
（4）判断当前SOC是否大于电量消耗模式下SOC2，若是进入步骤（5），否则进入步骤（8）；
（5）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（6），否则进入步骤（7）；
（6）若需求转矩Tq大于发动机高效运行时的转矩下限Tmin，则切换至并联混合驱动模式，否则则切换至串联混合驱动模式；
（7）此时预测车速vf小于当前车速vn，若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动模式，否则切换到串联混合驱动模式；
（8）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（9），否则进入步骤（10）；
（9）若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换至串联混合驱动充电模式；
（10）此时预测车速vf小于当前车速vn，若需求转矩Tq大于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换到串联混合驱动充电模式，以保持电池容量，提高电池寿命。
基于合作感知的插电式混合动力汽车能量优化控制方法
技术领域
背景技术
发明内容
步骤2：汽车上安装的多层传感器模块实时监测汽车周围道路信息，包括其他汽车、行人的位置和运动状态、道路交通信号以及障碍物的位置信息，通过信息处理模块完成信息的处理与融合，构建汽车自身局部环境栅格地图；
步骤:3：通过汽车上安装的合作感知系统中的无线通讯模块与通信范围内的其他车辆建立传输连接，完成各车生成局部的环境栅格地图的实时共享，同时上传自身车辆安装的CAN总线系统采集的信息；
步骤4：合作感知系统中的信息处理模块针对其他车辆共享的环境栅格地图，与自身环境栅格地图进行合并，最终生成反映自身周围环境的精确环境栅格地图；
步骤5：根据合并生成后的精确环境栅格地图，信息处理模块根据精确环境栅格地图合并结果生成路径优化函数，结合CAN总线系统采集的自身运动状态信息合理地预测汽车的加速度，从而实时预测未来一段时间内的行驶工况；
步骤6：根据预测行驶工况获取速度变化，可得到汽车在未来一段时间内的转矩和功率需求，结合纯电动驱动模式、发动机直接驱动模式、串联混合驱动模式、串联混合驱动充电模式、并联混合驱动模式、并联混合驱动充电模式、制动能量回收模式分别的耗能需求，可合理在这七种模式之间及时切换，从而达到改善燃油经济性以及节能减排的目的。
多层传感器模块包括三维激光雷达、CCD摄像头传感器，CCD摄像头传感器分为三层：第一层用于采集周围障碍物位置信息；第二层用于采集行人、车辆的动态变化；第三层用于采集交通环境信息，包括车道线、交通信号灯信息；
无线通讯模块用于与其他车辆联网，采用2.5GHZ通讯协议，其通讯范围设置为半径
50m，传输速度为60MB/s，对自身获取的环境信息进行共享；
信息处理模块一方面用于融合处理自身雷达和摄像头检测到的信息生成环境栅格地图，另一方面用于融合周边其他车辆共享的环境栅格地图。
通过获取未来一段时间内的速度变化状态，可提前计算得到汽车的功率及转矩需求，结合功率、转矩需求，通过与插电式混合动力汽车动力系统中的发动机高效运转输出转矩比对，能量优化控制系统可根据自身动力电池状态合理调控自身驱动模式及充放电状态。
对三维激光雷达和CCD摄像头传感器采集的信息进行预处理，过滤掉其非有用信息，并进一步提取其数据特征，对其进行归一化处理；
针对处理好的数据，利用卡尔曼滤波算法结合真实地图进行匹配计算，合并其特征信息；
结合上一次构建的栅格地图更新合并后的目标位置信息；
针对不断更新的目标数据多次进行过滤、合并、匹配运算、更新过程，最终构建出完整的环境栅格地图。
构建局部地图Mi和Mj，并输入局部地图Mi和Mj；
初始化种群qij，每个个体表示转换函数的参数λ、γ，转换函数计算公式为：
对每个个体进行适应度函数fn计算，用其作为寻优度量，适应度函数fn的计算公式如下：
公式中Nij为地图Mi和地图Mj完全融合的栅格数目，α为转换函数Fs的权重系数；；
根据选择、交叉和变异生成新的个体；
开始进行遗传迭代运算，判断是否满足终止条件，如果满条则继续进行下一步，反之则返回第二步；终止条件的设定是为了在有效的时间内完成迭代，实现地图的正确的融合，需要有一个评价函数 来确定地图Mi和Mj的融合是否失败，评价函数表示如下：
定义复合计算 如下：
式中，x、y分别为地图栅格的坐标值，θ为两栅格的相对位置角度， 和分别表示Mi和Mj中数值相同和数值不同的单元格数目；当 =1时表
示地图的重叠区域能够完全匹配， 的值越小，表示重叠区的匹配程度越小；
输出最优转换函数Fs；
根据最优转换函数对Mj进行平移和旋转，并与Mi融合得到新的地图。
计算汽车运行过程中的合作感知意向轨迹Ki(t)，由式
；
计算车i、j之间的距离Sij，其中th为预测设定的时间间隔，
；
由模型预测控制算法计算预测的最优加速度值，
其中，td为预测时间段内某一时刻，T为预测时间总长，n为通信车辆数目，αk(k=1，2，3，
4)为权值系数，δt为迭代步长，β为障碍物位置误差系数；求解得到加速度后对其求导可得到时间T内的速度分布情况，即行驶工况。
（2）判断当前需求转矩是否大于0，若是则进入步骤（3），否则汽车切换到制动能量回收模式；
（3）若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq是否大于发动机高效转矩上限Tmax，则切换为纯电动模式驱动；若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq小于发动机高效转矩上限Tmax，则切换为发动机单独驱动模式驱动；若当前SOC值小于纯电驱动模式下SOC1则进入步骤（4）；
（4）判断当前SOC是否大于电量消耗模式下SOC2，若是进入步骤（5），否则进入步骤（8）；
（5）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（6），否则进入步骤（7）；
（6）若需求转矩Tq大于发动机高效运行时的转矩下限Tmin，则切换至并联混合驱动模式，否则则切换至串联混合驱动模式；
（7）此时预测车速vf小于当前车速vn，若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动模式，否则切换到串联混合驱动模式；
（8）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（9），否则进入步骤（10）；
（9）若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换至串联混合驱动充电模式；
（10）此时预测车速vf小于当前车速vn，若需求转矩Tq大于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换到串联混合驱动充电模式，以保持电池容量，提高电池寿命。
图3为基于多车通信的合作感知流程图；
图4为三维激光雷达采集车辆、障碍物信息流程图；
图5为视觉传感器采集行人、交通信号流程图；
图6为环境栅格地图构建流程图；
图7为改进遗传算法环境数字地图合并的流程图；
图8为预测行驶工况流程图；
图9为汽车运行模式切换流程图。
具体实施方式
步骤2：车身装载的三维激光雷达、CCD摄像头传感器实时检测汽车周围道路信息，包括其他汽车、行人的位置和运动状态、道路交通信号以及障碍物的位置信息，通过处理模块完成信息的处理与融合，构建汽车自身环境栅格地图；
步骤:3：通过汽车上安装的合作感知系统中的远程通信模块与通信范围内的其他车辆建立传输连接，完成各车生成的环境栅格地图的实时共享，同时上传自身车辆安装的CAN总线系统采集的速度、功率、转矩信息；
步骤4：信息处理模块针对其他车辆共享的环境栅格地图，与自身环境栅格地图进行合并，最终生成反映自身周围环境的精确环境栅格地图。
步骤2：针对采集到的周围车辆和障碍物数据对其进行聚类处理，在栅格图像中提取其轮廓特征；
步骤3：根据聚类的结果，分别对具有不同轮廓特征的目标构建其类别列表；
步骤4：对具有相同特征的数据信息筛选，即根据其实际的几何形状以及图像长高比、宽高比来识别车辆和障碍物；
步骤5：利用径向基核函数支持向量机对同类数据进行训练学习，并根据其训练的结果估计车辆和障碍物的状态；
步骤6:通过不断更新车辆和障碍物的位置完成识别与跟踪的目的。
步骤2：对三维激光雷达和CCD摄像头传感器采集的信息进行预处理，过滤掉其非有用信息，并进一步提取其数据特征，对其进行归一化处理；
步骤3：针对处理好的数据，利用卡尔曼滤波算法结合真实地图进行匹配计算，合并器特征信息；
步骤4：结合上一次构建的数字环境更新合并后的目标位置信息；
步骤5：针对不断更新的目标数据多次进行过滤、合并、匹配运算、更新过程，最终构建出完整的环境栅格地图。
步骤1、构建局部地图Mi和Mj，并输入局部地图Mi和Mj；
步骤2、初始化种群qij，每个个体表示转换函数的参数λ、γ，转换函数计算公式为：
步骤3、对每个个体进行适应度函数fn计算，用其作为寻优度量，适应度函数fn的计算公式如下：
公式中Nij为地图Mi和地图Mj完全融合的栅格数目，α为转换函数Fs的权重系数；
步骤4、根据选择、交叉和变异生成新的个体；
步骤5、开始进行遗传迭代运算，判断是否满足终止条件，如果满条则继续进行下一步，反之则返回第二步；终止条件的设定是为了在有效的时间内完成迭代，实现地图的正确的融合，需要有一个评价函数 来确定地图Mi和Mj的融合是否失败，评价函数表示如下：
定义复合计算 如下：
式中，x、y分别为地图栅格的坐标值，θ为两栅格的相对位置角度， 和分别表示Mi和Mj中数值相同和数值不同的单元格数目；当 =1时表
示地图的重叠区域能够完全匹配， 的值越小，表示重叠区的匹配程度越小；
步骤6、输出最优转换函数Fs；
步骤7、根据最优转换函数对Mj进行平移和旋转，并与Mi融合得到新的地图。
步骤3中汽车依靠装载的多种传感器如雷达、摄像机、红外等实时采集周围行人、车辆、交通信号信息，用以感知周围的路况环境；
步骤4中信息处理模块根据传感器采集的各种信息进行融合，完成路况环境信息的唯一表达；
步骤5中信息处理模块根据融合的传感器信息构建出包含车辆、行人、交通信息以及障碍物信息的二维环境数字地图；
步骤6中通讯模块同时传输本车的数字地图，并接收其他车辆的数字地图输入到信息处理模块进行地图合并；
步骤7中通讯模块传输CAN总线采集的信息，并实时接收其他车辆的反馈信息；
步骤8中信息处理模块多次对多幅环境数字地图融合合并，对环境地图进行融合，从而生成完整度最高的环境数字地图，为进一步地预测工况提供较好的数据基础。
计算汽车运行过程中的合作感知意向轨迹Ki(t),由式
；
计算车i、j之间的距离Sij，其中th为预测设定的时间间隔，
；
由模型预测控制算法计算预测的最优加速度值，
其中，td为预测时间段内某一时刻，T为预测时间总长，n为通信车辆数目，αk(k=1,2,3,
4)为权值系数，δt为迭代步长,β为障碍物位置误差系数。求解得到加速度后对其求导可得到时间T内的速度分布情况，即行驶工况。
（1）系统获取当前SOC状态，当前车速和预测车速，并通过预测的工况信息求解其需求转矩；
（2）判断当前需求转矩是否大于0，若是则进入步骤（3），否则汽车切换到制动能量回收模式；
（3）若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq是否大于发动机高效转矩上限Tmax，则切换为纯电动模式驱动；若当前SOC值大于纯电驱动模式下SOC1且需求转矩Tq小于发动机高效转矩上限Tmax，则切换为发动机单独驱动模式驱动；若当前SOC值小于纯电驱动模式下SOC1则进入步骤（4）；
（4）判断当前SOC是否大于电量消耗模式下SOC2，若是进入步骤（5），否则进入步骤（8）；
（5）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（6），否则进入步骤（7）；
（6）若需求转矩Tq大于发动机高效运行时的转矩下限Tmin，则切换至并联混合驱动模式，否则则切换至串联混合驱动模式；
（7）此时预测车速vf小于当前车速vn，若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动模式，否则切换到串联混合驱动模式；
（8）判断预测车速是否大于当前车速，若预测车速vf大于当前车速vn，进入步骤（9），否则进入步骤（10）；
（9）若需求转矩Tq小于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换至串联混合驱动充电模式；
（10）此时预测车速vf小于当前车速vn，若需求转矩Tq大于发动机高效运行时的转矩上限Tmax，则切换至并联混合驱动充电模式，否则切换到串联混合驱动充电模式，以保持电池容量，提高电池寿命。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种同步异构数据库系统中实时数据的方法 | 2020-05-16 | 7 |
| 在IMS网络中根据初始过滤规则处理注册消息的方法 | 2020-06-05 | 571 |
| 基于膜计算的Web服务混合进化聚类方法 | 2020-05-08 | 762 |
| 基于互联网服务域的REST数据服务聚类方法 | 2020-05-11 | 648 |
| 人工智能CNN、LSTM神经网络步态识别系统 | 2020-05-08 | 665 |
| 一种云环境下海量时序遥感影像的自动缓存构建方法 | 2020-05-30 | 370 |
| 产品推荐方法、装置、设备及计算机可读存储介质 | 2020-05-11 | 40 |
| 一种基于可穿戴技术的智能电力巡检系统 | 2020-05-17 | 48 |
| 一种云平台的时序演化网络安全预警方法 | 2020-05-12 | 277 |
| 一种云环境下海量时序遥感影像的自动缓存构建方法 | 2020-06-01 | 18 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
