CN116853073A - 一种新能源电动汽车能量管理方法及系统 - Google Patents
一种新能源电动汽车能量管理方法及系统 Download PDFInfo
- Publication number
- CN116853073A CN116853073A CN202311126587.6A CN202311126587A CN116853073A CN 116853073 A CN116853073 A CN 116853073A CN 202311126587 A CN202311126587 A CN 202311126587A CN 116853073 A CN116853073 A CN 116853073A
- Authority
- CN
- China
- Prior art keywords
- module
- state parameter
- energy management
- power
- data set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 73
- 238000011084 recovery Methods 0.000 claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L1/00—Supplying electric power to auxiliary equipment of vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L7/00—Electrodynamic brake systems for vehicles in general
- B60L7/10—Dynamic electric regenerative braking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/423—Torque
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种新能源电动汽车能量管理方法及系统，该方法包括：实时获取与电池模块对应的第一状态参数、与用电负荷模块对应的第二状态参数以及与制动能量回收模块对应的第三状态参数；根据第一状态参数、第二状态参数以及第三状态参数生成对应的监测数据集，并通过监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；获取驱动电机的输出扭矩，并通过能量管理模型根据输出扭矩在电池模块、用电负荷模块以及制动能量回收模块中确定出对应的优化目标以及约束条件；根据优化目标以及约束条件生成对应的功率分配策略，以完成对应的控制。本发明能够有效的提升能量管理的效率，对应提升了用户的使用体验。
Description
技术领域
本发明涉及新能源电动汽车技术领域，特别涉及一种新能源电动汽车能量管理方法及系统。
背景技术
随着科技的进步以及生产力的快速发展，新能源电动汽车技术也得到了快速的发展，并且已经逐渐得到了人们的认可，并且已经在人们的日常生活中得到普及，极大的方便了人们的生活。
其中，现有的汽车厂家大部分都会在新能源电动汽车的内部设置能量管理系统，用于对动力电池包实时输出的电能以及制动能量回收系统实时回收的动能等进行监测以及控制，以实现不同能量之间的协调和优化，提高新能源电动汽车的可靠性。
现有技术大部分通过在能量管理系统中设置多种不同的控制策略或者控制规则，并通过在新能源电动汽车行驶的过程中，进行不同策略或者规则实时切换的方式来完成车辆内部能量的控制，然而，上述控制方式并不能准确的契合新能源电动汽车复杂多变的行驶工况，从而可能会出现一定的控制偏差，导致降低了车辆的使用性能，对应降低了用电的使用体验。
发明内容
基于此，本发明的目的是提供一种新能源电动汽车能量管理方法及系统，以解决现有技术可能会出现一定的控制偏差，导致降低了车辆使用性能的问题。
本发明实施例第一方面提出了：
一种新能源电动汽车能量管理方法，其中，所述方法包括：
通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
本发明的有益效果是：通过实时获取电池模块、用电负荷模块以及制动能量回收模块的状态参数能够实时的了解到对应的实时工作状态，基于此，生成对应的监测数据集，并对预先设置好的神经网络进行实时训练，以使当前神经网络能够适配于当前车辆内部的电池模块、用电负荷模块以及制动能量回收模块，并生成需要的能量管理模型，进一步的，能够通过该能量管理模型实时生成需要的功率分配策略，以最终使整车控制器根据该功率分配策略完成上述模块的实际工作功率的控制，对应提升了车辆的使用性能，同时不会产生控制偏差，从而提升了用户的使用体验。
进一步的，所述根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集的步骤包括：
基于预设权重分别在所述第一状态参数、所述第二状态参数以及所述第三状态参数中提取出对应的第一子集、第二子集以及第三子集，并对所述第一子集、所述第二子集以及所述第三子集进行归一化处理；
对归一化处理后的第一子集、第二子集以及第三子集进行融合处理，以生成对应的目标数据集，并通过DTW算法对所述目标数据集进行序列化处理，以生成若干对应的特征序列；
整合若干所述特征序列，以对应生成所述监测数据集。
进一步的，所述通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型的步骤包括：
提取出所述监测数据集中包含的若干所述特征序列，并将若干所述特征序列依次输入至所述预设神经网络中的编码层、解析层以及输出层中；
通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型。
进一步的，所述通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型的步骤包括：
依次提取出若干所述特征序列中包含的若干特征值，并将若干所述特征值逐一输入至所述编码层中的Transformer编码器中；
通过若干所述特征值对所述Transformer编码器进行多任务学习处理，以将所述Transformer编码器中的第一原始参数训练为第一目标参数，并将所述第一目标参数输入至所述解析层中；
通过所述第一目标参数对所述解析层进行元学习处理，以将所述解析层中的第二原始参数训练为对应的第二目标参数，以对应生成所述能量管理模型。
进一步的，所述根据所述优化目标以及所述约束条件生成对应的功率分配策略的步骤包括：
分别获取所述电池模块的第一额定功率、所述用电负荷模块的第二额定功率以及所述制动能量回收模块的第三额定功率；
计算出所述第一额定功率与所述第二额定功率以及所述第三额定功率之间的功率比，并基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略。
进一步的，所述基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略的步骤包括：
在所述功率比中提取出与所述电池模块对应的第一比值、与所述用电负荷模块对应的第二比值以及与所述制动能量回收模块对应的第三比值，并基于所述约束条件根据所述第一比值、所述第二比值以及所述第三比值生成对应的第一权重、第二权重以及第三权重；
根据所述优化目标分别调整所述第一权重、所述第二权重以及所述第三权重分别包含的权重值，以根据所述权重值对应生成所述功率分配策略。
进一步的，所述方法还包括：
通过所述CAN总线建立与当前所述车辆内部的仪表盘的通信连接，并将所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实时工作功率实时显示在所述仪表盘内部。
本发明实施例第二方面提出了：
一种新能源电动汽车能量管理系统，其中，所述系统包括：
获取模块，用于通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
训练模块，用于根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
处理模块，用于获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
控制模块，用于根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
进一步的，所述训练模块具体用于：
基于预设权重分别在所述第一状态参数、所述第二状态参数以及所述第三状态参数中提取出对应的第一子集、第二子集以及第三子集，并对所述第一子集、所述第二子集以及所述第三子集进行归一化处理；
对归一化处理后的第一子集、第二子集以及第三子集进行融合处理，以生成对应的目标数据集，并通过DTW算法对所述目标数据集进行序列化处理，以生成若干对应的特征序列；
整合若干所述特征序列，以对应生成所述监测数据集。
进一步的，所述训练模块具体用于：
提取出所述监测数据集中包含的若干所述特征序列，并将若干所述特征序列依次输入至所述预设神经网络中的编码层、解析层以及输出层中；
通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型。
进一步的，所述训练模块还具体用于：
依次提取出若干所述特征序列中包含的若干特征值，并将若干所述特征值逐一输入至所述编码层中的Transformer编码器中；
通过若干所述特征值对所述Transformer编码器进行多任务学习处理，以将所述Transformer编码器中的第一原始参数训练为第一目标参数，并将所述第一目标参数输入至所述解析层中；
通过所述第一目标参数对所述解析层进行元学习处理，以将所述解析层中的第二原始参数训练为对应的第二目标参数，以对应生成所述能量管理模型。
进一步的，所述控制模块具体用于：
分别获取所述电池模块的第一额定功率、所述用电负荷模块的第二额定功率以及所述制动能量回收模块的第三额定功率；
计算出所述第一额定功率与所述第二额定功率以及所述第三额定功率之间的功率比，并基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略。
进一步的，所述控制模块还具体用于：
在所述功率比中提取出与所述电池模块对应的第一比值、与所述用电负荷模块对应的第二比值以及与所述制动能量回收模块对应的第三比值，并基于所述约束条件根据所述第一比值、所述第二比值以及所述第三比值生成对应的第一权重、第二权重以及第三权重；
根据所述优化目标分别调整所述第一权重、所述第二权重以及所述第三权重分别包含的权重值，以根据所述权重值对应生成所述功率分配策略。
进一步的，所述新能源电动汽车能量管理系统还包括显示模块，所述显示模块具体用于：
通过所述CAN总线建立与当前所述车辆内部的仪表盘的通信连接，并将所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实时工作功率实时显示在所述仪表盘内部。
本发明实施例第三方面提出了：
一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的新能源电动汽车能量管理方法。
本发明实施例第四方面提出了：
一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的新能源电动汽车能量管理方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的新能源电动汽车能量管理方法的流程图；
图2为本发明第六实施例提供的新能源电动汽车能量管理系统的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1，所示为本发明第一实施例提供的新能源电动汽车能量管理方法，本实施例提供的新能源电动汽车能量管理方法能够根据实时生成的功率分配策略完成各个模块的实际工作功率的控制，对应提升了车辆的使用性能，同时不会产生控制偏差，从而提升了用户的使用体验。
具体的，本实施例提供的新能源电动汽车能量管理方法具体包括以下步骤：
步骤S10，通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
步骤S20，根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
步骤S30，获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
步骤S40，根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
具体的，在本实施例中，首先需要说明的是，该新能源电动汽车能量管理方法能够应用在不同型号的新能源电动汽车中，用于提升新能源电动汽车内部能量的管理效率，对应提升新能源电动汽车的使用性能。其中，需要指出的是，在新能源电动汽车的内部，具体跟能量有关系的模块有电池模块、用电负荷模块以及制动能量回收模块，其中，电池模块具体是指动力电池包，用电负荷模块具体是指车辆内部的驱动电机、空调以及车灯等用电器，制动能量回收模块具体是指动能回收系统。进一步的，为了便于能量的控制，需要首先获取上述电池模块的第一状态参数、用电负荷模块的第二状态参数以及制动能量回收模块的第三状态参数。具体的，上述状态参数具体可以包括电压、电流以及功率等参数。
进一步的，能够进一步根据获取到的状态参数整合成对应的监测数据集，具体的，该监测数据集能够用于对预先设置好的神经网络进行对应的训练，以实时调整当前神经网络内部的参数，并能够生成对应的能量管理模型。优选的，上述预设神经网络设置为CNN神经网络。基于此，再将实时获取到的驱动电机的输出扭矩输入至当前能量管理模型中，以使当前能量管理模型输出对应的优化目标以及约束条件，从而能够进一步生成能够对上述电池模块、用电负荷模块以及制动能量回收模块进行管理的功率分配策略，在此基础之上，只需将该功率分配策略输入至整车控制器内，就能够使整车控制器控制上述电池模块、上述用电负荷模块以及上述制动能量回收模块的实际工作功率。
第二实施例
具体的，在本实施例中，需要说明的是，上述根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集的步骤包括：
基于预设权重分别在所述第一状态参数、所述第二状态参数以及所述第三状态参数中提取出对应的第一子集、第二子集以及第三子集，并对所述第一子集、所述第二子集以及所述第三子集进行归一化处理；
对归一化处理后的第一子集、第二子集以及第三子集进行融合处理，以生成对应的目标数据集，并通过DTW算法对所述目标数据集进行序列化处理，以生成若干对应的特征序列；
整合若干所述特征序列，以对应生成所述监测数据集。
具体的，在本实施例中，需要说明的是，由于上述电池模块、上述用电负荷模块以及上述制动能量回收模块在汽车内部的重要性不同，从而对应的控制权重也不相同，优选的，电池模块的权重设置为60％，用电负荷模块的权重设置为20％，制动能量回收模块的权重设置为20％，进一步的，根据当前各个权重分别在其对应的状态参数内部提取出需要的第一子集、第二子集以及第三子集。
进一步的，为了便于后续的处理，首先对当前第一子集、第二子集以及第三子集进行归一化处理，再进行对应的融合处理，从而能够将三个子集转换成统一的数据，并融合成需要的目标数据集，基于此，再通过现有的DTW算法对当前目标数据集进行序列化处理，以生成若干对应的特征序列，再将当前若干特征序列整合在一起，就能够生成上述监测数据集，以便于后续的处理。
具体的，在本实施例中，还需要说明的是，上述通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型的步骤包括：
提取出所述监测数据集中包含的若干所述特征序列，并将若干所述特征序列依次输入至所述预设神经网络中的编码层、解析层以及输出层中；
通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型。
具体的，在本实施例中，还需要说明的是，在通过上述方式获取到需要的监测数据集之后，此时对应提取出其内部包含的若干特征序列，与此同时，将当前若干特征序列输入至上述预设神经网络内部的编码层、解析层以及输出层中，其中，上述特征序列是上述预设神经网络能够识别的计算机代码。
进一步的，通过当前若干特征序列依次对上述编码层、解析层以及输出层进行自适应训练，从而能够进一步生成上述能量管理模型。
另外，在本实施例中，需要说明的是，上述通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型的步骤包括：
依次提取出若干所述特征序列中包含的若干特征值，并将若干所述特征值逐一输入至所述编码层中的Transformer编码器中；
通过若干所述特征值对所述Transformer编码器进行多任务学习处理，以将所述Transformer编码器中的第一原始参数训练为第一目标参数，并将所述第一目标参数输入至所述解析层中；
通过所述第一目标参数对所述解析层进行元学习处理，以将所述解析层中的第二原始参数训练为对应的第二目标参数，以对应生成所述能量管理模型。
另外，在本实施例中，需要说明的是，在通过上述步骤提取出需要的若干特征序列之后，再进一步提取出当前特征序列中包含的特征值，与此同时输入至上述编码层内部的Transformer编码器中，基于此，能够对当前Transformer编码器进行多任务学习处理，并将其内部的第一原始参数逐渐训练为需要的第一目标参数，进一步的，将该第一目标参数输入至上述解析层中，以使当前解析层对当前第一目标参数进行解析训练，即进行上述元学习处理，与此同时，能够将当前解析层中的第二原始参数训练为需要的第二目标参数，从而完成了编码层以及解析层的训练，即对应生成了上述能量管理模型。
第三实施例
另外，在本实施例中，还需要说明的是，上述根据所述优化目标以及所述约束条件生成对应的功率分配策略的步骤包括：
分别获取所述电池模块的第一额定功率、所述用电负荷模块的第二额定功率以及所述制动能量回收模块的第三额定功率；
计算出所述第一额定功率与所述第二额定功率以及所述第三额定功率之间的功率比，并基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略。
另外，在本实施例中，还需要说明的是，为了能够准确的生成需要的功率分配策略，还需要分别获取上述电池模块、上述用电负荷模块以及上述制动能量回收模块在出厂时的第一额定功率、第二额定功率以及第三额定功率，与此同时，同步计算出三者之间的功率比，进一步的，对当前功率比、优化目标以及约束条件进行整合处理，就能够对应生成上述功率分配策略。
第四实施例
其中，在本实施例中，需要指出的是，所述基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略的步骤包括：
在所述功率比中提取出与所述电池模块对应的第一比值、与所述用电负荷模块对应的第二比值以及与所述制动能量回收模块对应的第三比值，并基于所述约束条件根据所述第一比值、所述第二比值以及所述第三比值生成对应的第一权重、第二权重以及第三权重；
根据所述优化目标分别调整所述第一权重、所述第二权重以及所述第三权重分别包含的权重值，以根据所述权重值对应生成所述功率分配策略。
其中，在本实施例中，需要指出的是，在通过上述步骤获取到需要的功率比之后，提取出当前功率比中分别包含的第一比值、第二比值以及第三比值，其中，第一比值对应电池模块，第二比值对应用电负荷模块，第三比值对应制动能量回收模块，基于此，例如获取到的约束条件为“需要驱动电机输出高扭矩”，从而需要对应提升电池模块的第一比值的占比，对应的，需要降低用电负荷模块的第二比值的占比以及制动能量回收模块的第三比值的占比，并对应生成需要的第一权重、第二权重以及第三权重，并且当前第一权重、第二权重以及第三权重的和为1。进一步的，若获取到的优化目标为“制动能量回收模块”，则需要进一步提升上述第三权重的权重值的大小，对应的，降低上述第一权重以及第二权重对应的权重值的大小，基于此，能够最终生成上述功率分配策略，以便于后续的处理。
第五实施例
其中，在本实施例中，需要指出的是，所述方法还包括：
通过所述CAN总线建立与当前所述车辆内部的仪表盘的通信连接，并将所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实时工作功率实时显示在所述仪表盘内部。
其中，在本实施例中，需要指出的是，为了能够使驾驶员在驾驶汽车的过程中实时观察到上述电池模块、用电负荷模块以及制动能量回收模块的工作状态，还会进一步建立与仪表盘的有线通信连接。
进一步的，将当前电池模块、用电负荷模块以及制动能量回收模块分别对应的工作状态实时显示在上述仪表盘中，以对应提升用户的使用体验。
请参阅图2，本发明第六实施例提供了：
一种新能源电动汽车能量管理系统，其中，所述系统包括：
获取模块，用于通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
训练模块，用于根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
处理模块，用于获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
控制模块，用于根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
其中，上述新能源电动汽车能量管理系统中，所述训练模块具体用于：
基于预设权重分别在所述第一状态参数、所述第二状态参数以及所述第三状态参数中提取出对应的第一子集、第二子集以及第三子集，并对所述第一子集、所述第二子集以及所述第三子集进行归一化处理；
对归一化处理后的第一子集、第二子集以及第三子集进行融合处理，以生成对应的目标数据集，并通过DTW算法对所述目标数据集进行序列化处理，以生成若干对应的特征序列；
整合若干所述特征序列，以对应生成所述监测数据集。
其中，上述新能源电动汽车能量管理系统中，所述训练模块具体用于：
提取出所述监测数据集中包含的若干所述特征序列，并将若干所述特征序列依次输入至所述预设神经网络中的编码层、解析层以及输出层中；
通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型。
其中，上述新能源电动汽车能量管理系统中，所述训练模块还具体用于：
依次提取出若干所述特征序列中包含的若干特征值，并将若干所述特征值逐一输入至所述编码层中的Transformer编码器中；
通过若干所述特征值对所述Transformer编码器进行多任务学习处理，以将所述Transformer编码器中的第一原始参数训练为第一目标参数，并将所述第一目标参数输入至所述解析层中；
通过所述第一目标参数对所述解析层进行元学习处理，以将所述解析层中的第二原始参数训练为对应的第二目标参数，以对应生成所述能量管理模型。
其中，上述新能源电动汽车能量管理系统中，所述控制模块具体用于：
分别获取所述电池模块的第一额定功率、所述用电负荷模块的第二额定功率以及所述制动能量回收模块的第三额定功率；
计算出所述第一额定功率与所述第二额定功率以及所述第三额定功率之间的功率比，并基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略。
其中，上述新能源电动汽车能量管理系统中，所述控制模块还具体用于：
在所述功率比中提取出与所述电池模块对应的第一比值、与所述用电负荷模块对应的第二比值以及与所述制动能量回收模块对应的第三比值，并基于所述约束条件根据所述第一比值、所述第二比值以及所述第三比值生成对应的第一权重、第二权重以及第三权重；
根据所述优化目标分别调整所述第一权重、所述第二权重以及所述第三权重分别包含的权重值，以根据所述权重值对应生成所述功率分配策略。
其中，上述新能源电动汽车能量管理系统中，所述新能源电动汽车能量管理系统还包括显示模块，所述显示模块具体用于：
通过所述CAN总线建立与当前所述车辆内部的仪表盘的通信连接，并将所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实时工作功率实时显示在所述仪表盘内部。
本发明第七实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上述实施例提供的新能源电动汽车能量管理方法。
本发明第八实施例提供了一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述实施例提供的新能源电动汽车能量管理方法。
综上所述，本发明上述实施例提供的新能源电动汽车能量管理方法及系统能够根据实时生成的功率分配策略完成上述模块的实际工作功率的控制，对应提升了车辆的使用性能，同时不会产生控制偏差，从而提升了用户使用体验。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种新能源电动汽车能量管理方法，其特征在于，所述方法包括：
通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
2.根据权利要求1所述的新能源电动汽车能量管理方法，其特征在于，所述根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集的步骤包括：
基于预设权重分别在所述第一状态参数、所述第二状态参数以及所述第三状态参数中提取出对应的第一子集、第二子集以及第三子集，并对所述第一子集、所述第二子集以及所述第三子集进行归一化处理；
对归一化处理后的第一子集、第二子集以及第三子集进行融合处理，以生成对应的目标数据集，并通过DTW算法对所述目标数据集进行序列化处理，以生成若干对应的特征序列；
整合若干所述特征序列，以对应生成所述监测数据集。
3.根据权利要求2所述的新能源电动汽车能量管理方法，其特征在于，所述通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型的步骤包括：
提取出所述监测数据集中包含的若干所述特征序列，并将若干所述特征序列依次输入至所述预设神经网络中的编码层、解析层以及输出层中；
通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型。
4.根据权利要求3所述的新能源电动汽车能量管理方法，其特征在于，所述通过若干所述特征序列对所述编码层、所述解析层以及所述输出层中的原始参数进行自适应训练，以对应生成所述能量管理模型的步骤包括：
依次提取出若干所述特征序列中包含的若干特征值，并将若干所述特征值逐一输入至所述编码层中的Transformer编码器中；
通过若干所述特征值对所述Transformer编码器进行多任务学习处理，以将所述Transformer编码器中的第一原始参数训练为第一目标参数，并将所述第一目标参数输入至所述解析层中；
通过所述第一目标参数对所述解析层进行元学习处理，以将所述解析层中的第二原始参数训练为对应的第二目标参数，以对应生成所述能量管理模型。
5.根据权利要求1所述的新能源电动汽车能量管理方法，其特征在于，所述根据所述优化目标以及所述约束条件生成对应的功率分配策略的步骤包括：
分别获取所述电池模块的第一额定功率、所述用电负荷模块的第二额定功率以及所述制动能量回收模块的第三额定功率；
计算出所述第一额定功率与所述第二额定功率以及所述第三额定功率之间的功率比，并基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略。
6.根据权利要求5所述的新能源电动汽车能量管理方法，其特征在于，所述基于所述功率比根据所述优化目标以及所述约束条件生成所述功率分配策略的步骤包括：
在所述功率比中提取出与所述电池模块对应的第一比值、与所述用电负荷模块对应的第二比值以及与所述制动能量回收模块对应的第三比值，并基于所述约束条件根据所述第一比值、所述第二比值以及所述第三比值生成对应的第一权重、第二权重以及第三权重；
根据所述优化目标分别调整所述第一权重、所述第二权重以及所述第三权重分别包含的权重值，以根据所述权重值对应生成所述功率分配策略。
7.根据权利要求1所述的新能源电动汽车能量管理方法，其特征在于，所述方法还包括：
通过所述CAN总线建立与当前所述车辆内部的仪表盘的通信连接，并将所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实时工作功率实时显示在所述仪表盘内部。
8.一种新能源电动汽车能量管理系统，其特征在于，所述系统包括：
获取模块，用于通过CAN总线分别建立与车辆内部的电池模块、用电负荷模块以及制动能量回收模块的通信连接，并实时获取与所述电池模块对应的第一状态参数、与所述用电负荷模块对应的第二状态参数以及与所述制动能量回收模块对应的第三状态参数；
训练模块，用于根据所述第一状态参数、所述第二状态参数以及所述第三状态参数生成对应的监测数据集，并通过所述监测数据集对预设神经网络进行训练，以生成对应的能量管理模型；
处理模块，用于获取驱动电机的输出扭矩，并通过所述能量管理模型根据所述输出扭矩在所述电池模块、用电负荷模块以及所述制动能量回收模块中确定出对应的优化目标以及约束条件；
控制模块，用于根据所述优化目标以及所述约束条件生成对应的功率分配策略，并根据所述功率分配策略完成对所述电池模块、所述用电负荷模块以及所述制动能量回收模块的实际工作功率的控制。
9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的新能源电动汽车能量管理方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任意一项所述的新能源电动汽车能量管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126587.6A CN116853073B (zh) | 2023-09-04 | 2023-09-04 | 一种新能源电动汽车能量管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126587.6A CN116853073B (zh) | 2023-09-04 | 2023-09-04 | 一种新能源电动汽车能量管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116853073A true CN116853073A (zh) | 2023-10-10 |
| CN116853073B CN116853073B (zh) | 2024-01-26 |
Family
ID=88234500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311126587.6A Active CN116853073B (zh) | 2023-09-04 | 2023-09-04 | 一种新能源电动汽车能量管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116853073B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095775A (zh) * | 2023-10-18 | 2023-11-21 | 江西五十铃汽车有限公司 | 一种固态锂电池材料设计方法、系统、存储介质及计算机 |
| CN117649287A (zh) * | 2024-01-30 | 2024-03-05 | 江西五十铃汽车有限公司 | 一种新能源汽车电池租赁方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090058047A (ko) * | 2007-12-04 | 2009-06-09 | 현대자동차주식회사 | 전기자동차의 회생제동 제어 방법 |
| CN108621798A (zh) * | 2018-03-27 | 2018-10-09 | 广东陆地方舟新能源电动车辆有限公司 | 一种新能源汽车整车控制系统及其方法 |
| CN111439161A (zh) * | 2020-05-12 | 2020-07-24 | 安徽优旦科技有限公司 | 一种基于新能源汽车电池的优化控制系统 |
| CN113459828A (zh) * | 2021-07-09 | 2021-10-01 | 广东高标电子科技有限公司 | 助力车能量回收方法、装置、电子设备及存储介质 |
| CN113525396A (zh) * | 2021-08-13 | 2021-10-22 | 北京理工大学 | 一种融合深度强化学习的混动汽车分层预测能量管理方法 |
| CN115339326A (zh) * | 2022-07-19 | 2022-11-15 | 厦门金龙联合汽车工业有限公司 | 一种四轮驱动车辆转矩分配方法、终端设备及存储介质 |
| WO2022252559A1 (zh) * | 2021-05-31 | 2022-12-08 | 深圳先进技术研究院 | 基于规则和双深度q网络的混合动力汽车能量管理方法 |
| CN116394773A (zh) * | 2023-04-10 | 2023-07-07 | 浙江吉利控股集团有限公司 | 车辆控制方法、装置、车辆及计算机可读存储介质 |
-
2023
- 2023-09-04 CN CN202311126587.6A patent/CN116853073B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090058047A (ko) * | 2007-12-04 | 2009-06-09 | 현대자동차주식회사 | 전기자동차의 회생제동 제어 방법 |
| CN108621798A (zh) * | 2018-03-27 | 2018-10-09 | 广东陆地方舟新能源电动车辆有限公司 | 一种新能源汽车整车控制系统及其方法 |
| CN111439161A (zh) * | 2020-05-12 | 2020-07-24 | 安徽优旦科技有限公司 | 一种基于新能源汽车电池的优化控制系统 |
| WO2022252559A1 (zh) * | 2021-05-31 | 2022-12-08 | 深圳先进技术研究院 | 基于规则和双深度q网络的混合动力汽车能量管理方法 |
| CN113459828A (zh) * | 2021-07-09 | 2021-10-01 | 广东高标电子科技有限公司 | 助力车能量回收方法、装置、电子设备及存储介质 |
| CN113525396A (zh) * | 2021-08-13 | 2021-10-22 | 北京理工大学 | 一种融合深度强化学习的混动汽车分层预测能量管理方法 |
| CN115339326A (zh) * | 2022-07-19 | 2022-11-15 | 厦门金龙联合汽车工业有限公司 | 一种四轮驱动车辆转矩分配方法、终端设备及存储介质 |
| CN116394773A (zh) * | 2023-04-10 | 2023-07-07 | 浙江吉利控股集团有限公司 | 车辆控制方法、装置、车辆及计算机可读存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095775A (zh) * | 2023-10-18 | 2023-11-21 | 江西五十铃汽车有限公司 | 一种固态锂电池材料设计方法、系统、存储介质及计算机 |
| CN117649287A (zh) * | 2024-01-30 | 2024-03-05 | 江西五十铃汽车有限公司 | 一种新能源汽车电池租赁方法及系统 |
| CN117649287B (zh) * | 2024-01-30 | 2024-05-17 | 江西五十铃汽车有限公司 | 一种新能源汽车电池租赁方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116853073B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116853073B (zh) | 一种新能源电动汽车能量管理方法及系统 | |
| Tian et al. | An adaptive ECMS with driving style recognition for energy optimization of parallel hybrid electric buses | |
| CN116470190B (zh) | 动力电池包加热方法、系统、计算机及可读存储介质 | |
| CN102320276A (zh) | 基于can总线的纯电动汽车整车控制器标定系统及标定方法 | |
| Zhu et al. | NCSU year three final technical report | |
| He et al. | Tolerance analysis of electrified vehicles on the motor demagnetization fault: From an energy perspective | |
| CN116776747B (zh) | 一种igbt模块使用寿命计算方法及系统 | |
| CN116674396B (zh) | 一种新能源汽车电驱动系统控制方法及系统 | |
| CN108482131B (zh) | 一种48v电池、bsg弱混合动力能量回收控制系统的控制方法 | |
| CN116796574B (zh) | 一种驱动电机振动噪音优化方法及系统 | |
| CN113830012A (zh) | 车辆高油耗原因诊断方法、装置、设备及存储介质 | |
| CN116923100B (zh) | 一种动力电池包修复方法及系统 | |
| CN111641001B (zh) | 电池系统的修正方法、设备、存储介质及装置 | |
| CN114872685A (zh) | 混合动力汽车控制方法、装置、混合动力汽车及存储介质 | |
| CN117040351B (zh) | 一种驱动电机控制方法及系统 | |
| WO2021114167A1 (zh) | 一种汽车能量管理策略的验证方法和设备 | |
| CN116661428B (zh) | 一种整车性能参数测试方法及系统 | |
| CN117254746B (zh) | 一种驱动电机温度控制方法及系统 | |
| CN116945907B (zh) | 一种新能源电动汽车里程计算方法及系统 | |
| CN116488312B (zh) | 电池电量管理方法、系统、计算机及可读存储介质 | |
| CN117117374A (zh) | 一种动力电池包回收方法及系统 | |
| CN117533137A (zh) | 一种电驱动系统故障预警方法及系统 | |
| CN117930704A (zh) | 一种汽车自动驾驶方法及系统 | |
| CN116431135B (zh) | 汽车代码编写方法、系统、计算机及可读存储介质 | |
| CN116552201B (zh) | 一种热泵空调控制方法、系统、计算机及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |