Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国北方车辆研究所高泽鹏获国家专利权

中国北方车辆研究所高泽鹏获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国北方车辆研究所申请的专利一种基于底盘模块化的全局系统状态在线判定方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116520801B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310473371.0,技术领域涉及:G05B23/02;该发明授权一种基于底盘模块化的全局系统状态在线判定方法是由高泽鹏;陈轶杰;张涛;王超;崔华盛;陈启迪;李梦梦;隋嘉政设计研发完成,并于2023-04-27向国家知识产权局提交的专利申请。

一种基于底盘模块化的全局系统状态在线判定方法在说明书摘要公布了:本发明公开了一种基于底盘模块化的全局系统状态在线判定方法,基于目标容差值和时间步长的动态寻优,考虑当前时刻T的原始响应数据集、时间步长变量和原始响应数据集的变化率建立动态约束函数,寻找既符合冗余误差约束,又使融合速度最高的最大有效步长,实现多模块传感器的数据融合;通过融合信息数据集的标准差计算提取其统计特征,划分有效与无效数据,并进行反演计算,得到有效的原始响应数据和无效的原始响应数据,在此基础上可以得到针对各模块响应数据的信息无效率,完成对底盘子模块状态与系统全局性能的动态判定和在线决策。

本发明授权一种基于底盘模块化的全局系统状态在线判定方法在权利要求书中公布了:1.一种基于底盘模块化的全局系统状态在线判定方法,其特征在于,步骤包括: 步骤1、根据当前时刻T和历史时刻T-ΔT底盘的各个子模块传感器的响应数据集,计算当前时刻T时的响应数据集的容差值,与预设的目标容差值比较,当容差值未超过目标容差值时,基于当前时刻的响应数据集计算融合数据集,进入步骤2;当容差值超过目标容差值时,对时间步长ΔT进行动态寻优,得到最大有效步长ΔTmax,更新历史时刻为T-ΔTmax,返回步骤1开头继续执行; 步骤2、计算融合数据集及其各子集的标准差,构建标准差矩阵;计算标准差矩阵中各个标准差的概率,构建概率矩阵,获取标准差矩阵中的最大标准差及其对应的融合数据集中的子集将作为融合数据集的特征进行反演运算,获取无效反演响应数据集并计算融合数据集的信息无效率η;分析中包含的响应数据对应的子模块数量,结合信息无效率η判定底盘状态,并根据底盘状态进行决策,完成全局系统状态的在线判定; 所述根据当前时刻T和历史时刻T-ΔT底盘的各个子模块传感器的响应数据集,计算当前时刻T时的响应数据集的容差值的具体方式为: 对当前时刻T和历史时刻T-ΔT时底盘的各个子模块传感器的响应数据集进行维度统一化处理,得到当前时刻T的响应数据矩阵及历史时刻T-ΔT的响应数据变化率矩阵 根据和计算传感器的容差值ω,其表达式为: 其中,n=1,2,...,N为子模块的序号,N为子模块的总数,为当前时刻T下第n个子模块的响应数据矩阵,为历史时刻T-ΔT下第n个子模块的响应数据变化率矩阵; 所述基于当前时刻T的响应数据集计算融合数据集的具体方式为: 根据目标容差值γ、容差值ω、当前时刻T的响应数据矩阵及历史时刻T-ΔT的响应数据变化率矩阵计算融合数据集其表达式为: 其中,为融合数据集中第n个子模块对应的子集; 所述步骤2的具体方式为: 融合数据集经k次数据划分得到k×k组子集,计算每次数据划分的每个子集的标准差;k根据融合数据集的维度选取,其表达式为: 根据每次数据划分的每个子集的标准差,构建标准差矩阵计算标准差矩阵中每个标准差的概率,构建概率矩阵将标准差矩阵与概率矩阵点乘,得到标准差矩阵中的最大元素Smax;根据最大元素Smax找到其对应的数据划分前的子集对和分别进行反演运算,得到响应信息集在当前时刻T时的反演结果和无效子集两者相减得到有效子集 计算信息无效率η,其表达式为: 其中,NumI为无效子集包含的响应数据的总数,NumV为有效子集包含的响应数据的总数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国北方车辆研究所,其通讯地址为:100072 北京市丰台区槐树岭四号院;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。