基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。     

基于特征提取和XGBOOST的电动重卡电池故障预警方法

电池包经常处于深度放电状态会极大地影响电池寿命,在严重情况下甚至会导致停车故障,传统故障诊断方法难以判断电池潜在故障以及故障发生程度。因此,本文提出了一种基于特征提取和XGBoost的电池故障预警方法。该方法对电池数据进行预处理,根据电芯端电压构建新的特征,对电池数据进行标注,建立XGBoost预测模型来预测电压故障,判断动力电池是否欠压。此外,还采用K折交叉验证以及随机搜索算法提高预测的准确性。实验结果表明,该方法可以有效区分故障车和正常车,并提前定位故障发生时间,从而避免潜在的事故风险。     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于COMSOL电动汽车安全预警研究

在车辆安全预警模型中,电池滥用和电池外部因素导致的电池失效容易识别出来,但是电池本身存在的问题很难通过数据特征判断.利用COMSOL模型拟合不同情况的电池变化,通过最小二乘法拟合出电压损失曲线,推算出影响电压变化的3类特征因子:欧姆过程、电荷转移过程、浓度活化进程,通过失效时刻的参数变化判断电池是否发生问题,可以在失效前进行电池信号安全预警,实现车辆的安全使用.     

锂离子电池性能衰退机理与故障预警策略研究

针对新能源汽车用锂离子动力电池在车载复杂工况下，由于老化过程造成整车性能下降以及产生安全隐患的问题开展研究。分析锂离子电池老化机理，研究老化路径对衰减过程的影响；对当前常用的电池模型方法进行了总结，并着重介绍了动力电池电化学- 热- 机耦合仿真模型；分析了实际应用下锂离子电池伴随老化过程可能出现的风险，归纳了主要容量衰退分析方法。研究表明，基于动力电池云端控制的故障预警方案将是动力电池整车应用未来的发展方向。     

公路交通拥堵及事故风险预警模型开发及应用研究

为改变当前被动式路网运行监测模式,提供一种可移植复用的交通拥堵、交通事故风险事前检测、主动预警模型。文中综合研究与调研国内外交通运行状态预警算法,选取动态贝叶斯网络构建预警模型,通过整合2019年5-12月近400万条交调、车检数据,结合路网基础信息数据并进行数据完整性检验、多源数据关联,挖掘公路网交通拥堵、交通事故风险特征,作为样本数据训练动态贝叶斯网络。经测试分析,模型可实现提前10 min、0.5 h、1 h多维度的交通拥堵、交通事故风险预警,预警准确度均超过85%。所开发模型通过数据接口与已有业务系统实时共享预警结果,提高模型推广应用范围。     

基于容量增量特性的锂离子电池健康状态诊断与安全预警策略研究

近年来，新能源汽车着火事故时有发生，锂离子电池的性能与安全问题受到社会的广泛关注。针对由电池老化带来的电池故障，本文开展了锂离子电池健康状态诊断和安全预警策略研究。基于容量增量分析法，分别评估了磷酸铁锂电池和三元电池老化过程中健康状态的变化规律并量化分析了电池老化机制。面对电池健康状态不一致和容量跳水两个问题，分别提出了基于离群点检测的安全预警方法和基于老化机制分析的电池容量跳水识别方法，保障了电池组的使用安全。     

电动汽车动力电池热失控过程分析及预警机制设计

文章通过实验数据对热失控发生的过程进行分析,提取出关键的信号特征。设计出一套全面完整的热失控预警系统,并总结出多个报警条件,避免出现故障的误报及漏报的情况。最后介绍了热失控预警后整车及大数据的应对措施。     

新能源汽车安全预警模型研究

近年来，大数据的应用在许多行业的发展创新得到了广泛的普及，也给各行各业的发展创造出了一条新的思路。从新能源车的设计开发出手，对关键的几个核心部分使用了大数据进行开发应用。整个平台的搭建都是在大数据的应用基础上实现的，从整个系统架构到数据结构平台，从服务应用的远程监控到车辆运行管理和故障预警，以及电池充放电、驾驶行为分析、后续OTA 及其他服务，都体现出了大数据系统服务的作用。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

长江干线水上交通安全实时预警指标体系研究

提出了已有的6大类共计18个指标的长江干线水上交通安全预警指标体系的不足.在分析水上交通安全风险因素的基础上,结合预警指标体系构建的原则,并通过对海事部门、航运部门及一线船员的调查,提出4大类、10亚类共计36个指标的水上交通安全实时预警指标体系.通过与已有的预警指标体系对比分析显示,构建的实时预警指标体系更系统、全面,数量更大,在数据获取上更科学,在动态性和实时性方面有较大突破,更能有效地实现事前监控、及时预控的预警管理目标.      

车车通信环境下基于驾驶意图共享的车辆避撞预警算法

针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。     

电感式PT铁磁谐振故障的诊断与预警系统的研制

阐述了一种铁磁谐振故障诊断专家系统方案。通过常用的电网状态参数准确诊断出铁磁谐振故障的发生及其原因,并通过对谐振样本的统计分类实现一定的预警功能。     

基于差异性区域预测的行人与骑车人联合检测

本文中针对自动驾驶车辆在环境感知过程中易将行人与骑车人混淆的问题,提出一种有效区分行人与骑车人的联合检测方法,并基于快速区域卷积神经网络Faster R-CNN进行改进。首先,通过增加一个子网络提取图像形状特征通道,将其与主干网络生成的特征图进行聚合,额外的形状语义通道用以辅助检测器区分行人与骑车人的特征;接着,通过构建差异性区域预测单元,以区分行人与骑车人差异部位,将建议区域划分为多个部件并计算其置信度,根据该置信度对部件特征进行加权;最后,将主体特征与加权后的部件特征聚合后送至分类器进行分类。在本文中构建的行人-骑车人数据集和公开的Caltech数据集中进行测试的结果表明,改进后的检测方法能有效减少将骑车人误检为行人的情况,具有较高的检测精度。     

基于神经网络的企业财务预警系统的构建

文章分析了目前应用于企业财务预警的方法,提出了利用粗糙集对财务指标进行约简,然后构建BP神经网络,用约简后决策表中的财务指标对神经网络进行训练的方法。利用公开披露的上市公司年报中的财务信息和数据建立了财务预警模型。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险，避免人车冲突事故频发，提出基于K-means算法的行人过街风险量化分级方法，并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小，选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标，准确刻画出实际的人车交互场景，并利用K-means算法对行人过街风险状态进聚类划分，明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素，提出了30项行人过街风险二级指标，依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集，以此为模型输入，利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明:行人过街风险等级分为5级时，量化分级结果能与实际行人过街情景较好吻合；本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%，其中对一级与四级风险的预警能力最为突出，一级风险识别准确率达到100%，四级风险识别准确率达到94.7%。本研究提出的行人过街风险分级预警模型解决了既往研究中存在的风险指标不够全面、风险等级划分未完全贴合实际场景、预警等级未细化等问题，提高了风险预警准确率。      

基于运行大数据的重型卡车行驶工况研究

采用企业车辆运行大数据为数据来源,进行典型重卡工况构建方法的研究。通过K均值聚类分析方法进行实测数据的处理,优化初始聚类中心选取保证聚类的可靠性和收敛性,提出以速度区间进行划分运动学片段,更加客观的表征工况特征。并通过马尔可夫原理实现特征工况的构建,最后通过试验验证了该工况构建方法的可行性和精准性。     

构建高速公路建设灾害预警指标体系的探讨

对建立高速公路建设灾害预警指标体系进行初步探讨.阐述了构建高速公路建设灾害预警指标体系的构建方法、构架思路、构架目标和体系原则,设计了以上级机构对管理处的灾害预警指标和管理处内部的灾害预警指标两个模块为主体的预警指标体系框架,并介绍了高速公路建设灾害预警指标体系的测评方法.     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

汽车轮胎爆胎预警门限设计

文章通过对现有的汽车轮胎爆胎预警系统进行研究分析,提出了基于3σ准则的爆胎预警门限算法和双层次报警决策策略相结合的预警门限设计。为了对预警门限设计进行验证,文章用两组数据分别代表压力和温度进行了模拟验证,证明了预警门限设计的可行性。