专利汇可以提供一种车辆载荷动态实时计算方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种车辆 载荷 动态实时计算方法,首先通过 传感器 实时采集 汽车 动 力 系统数据,建立起整车动力学理论模型;引入 深度神经网络 模型,利用 大数据 降低传感器噪声和环境噪声的影响,过滤干扰因素,获得神经网络模型;大数据,包括若干汽车的全生命周期时间序列数据;接着在 云 端通过GPU集群训练神经网络模型,并经过测试优化后实现边缘的部署;最后通过车载模 块 实时采集 传感器数据 ,同步输入到训练好的神经网络模型,计算动态的车辆载重数据。本发明实现商用车辆载荷数据的实时监控,能有效杜绝超载现象,具有良好的社会效益,同时本发明位纯 软件 方案,经济性相对传统的定点检查站和改装车辆方案有压倒性优势。,下面是一种车辆载荷动态实时计算方法专利的具体信息内容。
1.一种车辆载荷动态实时计算方法,其特征在于,包括以下步骤:
步骤1:通过传感器实时采集汽车动力系统数据,建立起整车动力学理论模型;
整车动力学理论模型为:
m=F/a;
其中,F为整车受到的作用力,m为整车质量,a为加速度;F为动力与阻力之差;其中,动力包括电机扭力、发动机扭力、传动比,阻力包括风阻、地面摩擦力、重力分力、传动系统摩擦力;
步骤2:考虑到整车动力学理论模型受到噪声影响,引入深度神经网络模型,利用大数据降低传感器噪声和环境噪声的影响,过滤干扰因素,获得神经网络模型;所述大数据,包括若干汽车的全生命周期时间序列数据;
步骤3:云端训练所述神经网络模型;
在云端通过GPU集群训练所述神经网络模型,并经过测试优化后实现边缘的部署;
步骤4:终端推理;
通过车载模块实时采集传感器数据,同步输入到训练好的神经网络模型,计算动态的车辆载重数据。
2.根据权利要求1所述的车辆载荷动态实时计算方法,其特征在于:步骤2中,为整车动力学理论模型中各个变量赋予权重,并通过深度神经网络,处理连续输入的时序数据,求解各个变量权重得出最优解,获得神经网络模型。
3.根据权利要求1所述的车辆载荷动态实时计算方法,其特征在于,步骤3的具体实现包括以下子步骤:
步骤3.1:采集训练数据集;
人工标注若干组不同载重量汽车,进行不同路况,不同环境下的路测,通过传感器实时采集预设测试周期的汽车动力系统数据;以汽车载重量作为标签,汽车动力系统数据作为输入;所述汽车动力系统数据按预设比例分为训练集和验证集,脱敏清洗后作为神经网络模型的输入;
步骤3.2:训练神经网络模型;
在云端通过GPU集群上进行训练,将标注好的训练集作为输入,计算神经网络模型输出和人工标注数据偏差,通过反向传播纠正权重数据;经过一定循环数量的反复训练,用验证集评判神经网络模型精度,在神经网络模型达到一定精度后停止训练,得到训练好的神经网络模型;
步骤3.3:边缘部署;
将训练好的神经网络模型部署在车载模块上。
4.根据权利要求1-3任意一项所述的车辆载荷动态实时计算方法,其特征在于:步骤4中,对超载相关危险情况提前预警,并通过限制动力输出方式避免危险。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种高效低噪水泵 | 2020-05-08 | 433 |
多功能无人清障车 | 2020-05-08 | 454 |
一种带防滑装置的智能化型材弯曲机 | 2020-05-11 | 417 |
一种履带自走式果园机械的智能化控制系统 | 2020-05-08 | 863 |
一种三电机协作的传动系统 | 2020-05-08 | 838 |
带电力插座的混合动力车辆 | 2020-05-11 | 216 |
一种立式对轮旋压设备 | 2020-05-11 | 617 |
一种便于宰杀家禽的脱毛装置 | 2020-05-08 | 900 |
拖曳式清扫车 | 2020-05-08 | 336 |
双电机串联的全域无级变速传动系统 | 2020-05-08 | 825 |
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。