基于Transformer的纯电动汽车充电时间预测

纯电动汽车充电时间的安排是车主日常生活中至关重要的环节,直接影响车主出行的便利度和舒适体验。然而,目前仍然面临充电桩资源不足、充电须提前规划等挑战,为解决车主因车辆电量不足而无法立即用车的问题,提出一种基于Transformer模型的充电时间预测解决方案,帮助车主更好地规划日常行程。为了更好地了解电池性能衰减程度和容量损失情况,采用容量法评估电池健康状态,并分析驾驶人的充电行为,对电池充电行为特征进行构建。使用Savitzky-Golay滤波器对表征电池衰减的特征进行平滑处理,并进行累积变换,使特征能更全面地表征电池信息;再耦合皮尔逊相关系数和LASSO(least absolute shrinkage and selection operator)回归算法二次筛选得到最优特征集。最后,利用Transformer模型的超强注意力机制,对充电时间进行预测。通过实验数据验证,此方案可以准确且快速地预测纯电动汽车的充电时间,决定系数达到0.999,运行时间为156 ms。

基于多维关联规则的车辆故障码解耦方法研究

本文提出一种针对车辆复杂耦合故障的故障码(DTC)解耦方法。首先由车辆故障自诊断原理及故障信号传播过程分析故障码的复杂关联性,结合关联规则技术挖掘故障码间强关联关系,并定义故障码多维关联规则;其次由故障码数据集特征,改进适用于故障码多维关联规则挖掘的FP-Growth算法;最后由多维关联规则构建故障码关联知识图谱,结合图论实现复杂故障码解耦。结果表明,该方法能有效降低故障码的数量及复杂度,提升基于故障码检修故障的效率。

基于WOA-VMD和香农熵的锂电池早期故障诊断研究

针对当前电池管理系统无法诊断早期故障的问题,本文提出了一种基于WOA-VMD和香农熵的锂电池早期故障诊断方法。首先引入鲸鱼优化算法对变分模态分解算法进行参数寻优,提高变分模态分解算法的分解效果,使之分解得到包含更多故障特征信息的本征模态函数分量,再对单体电池电压信号进行分解重构,减少测量噪声和额外激励电压造成的影响。进而采用滑动窗口计算单体电压的香农熵极差和单体电压离差的总体香农熵,设置合适的阈值进行早期故障诊断。经过实际车辆数据验证,该方法可以提前10 min左右进行故障预警,且对于无故障车辆不会产生虚假预警,具有较强的鲁棒性和可靠性。

基于模糊BN和改进证据理论的车辆故障定位方法

为解决车辆售后维修过程中由于车辆部件的关联故障而产生大量杂乱故障码,导致通过分析故障码进行源头故障部件定位困难的问题,本文提出一种基于模糊BN和改进证据理论的车辆故障定位方法。首先,根据历史数据及专家经验构建模糊BN模型并得到其后验概率。其次,将后验概率作为改进证据理论的基本概率赋值输入,提出融合邓熵和Pignistic概率距离的修正系数对证据修正,解决证据不确定性及证据间冲突问题。然后,采用基于矩阵分析的证据合成规则,避免大量证据合成失败情况的同时减少计算量,得到故障定位结果。最后,以ABS系统为例,验证该方法的可行性。本文所提出的方法可为维修人员提供指导进行快速定位故障。