电子科技大学专利

摘要：本发明公开了一种基于扩散模型自动驾驶汽车的关键安全场景生成系统，包括：交通模块通过扩散模型对噪声轨迹进行去噪处理并生成真实多样交通场景；关键安全场景生成模块通过在扩散模型的每一步去噪过程中调用混合指导函数，引导对手智能体与自我智能体发生碰撞，以生成对抗性的关键安全场景；专家轨迹优化模块通过Adam优化器对目标函数进行多次迭代优化，生成安全真实的专家轨迹；规划器增强模块通过生成的关键安全场景及其专家轨迹对预训练的规划器进行微调，从而提升其应对极端场景的能力；实现了通过生成真实、多样且对抗性的关键安全场景，提升自动驾驶规划器在极端环境下的安全性和鲁棒性。

摘要：本发明公开氢燃料电池汽车开关式能量管理策略，包括通过传感器系统实时采集车辆的运行参数，如速度、加速度、瞬时负载功率、氢气储量和电池电量等，并将数据传输至能量管理系统，根据车辆的瞬时负载需求，动态调节氢燃料电池、超级电容和锂电池的能量输出；在低负载工况下，优先使用锂电池提供动力，减少燃料电池的使用频率；在中等负载时，燃料电池与锂电池协同工作；在高负载或加速工况下，燃料电池系统满功率输出，同时超级电容提供瞬时高功率输出，满足高功率需求；通过灵活切换能源模块，提高了燃料电池的使用效率，减少了氢气消耗，延长了燃料电池的寿命，并提升了车辆的动力响应能力和续航能力。

摘要：本发明公开一种面向混合交通流的网联自动驾驶汽车通信与协同控制方法，应用于智能车联网领域，针对现有技术难以平衡通信资源的限制与数字孪生的信息更新需求，实现CAV间的有效协同的问题；本发明通过在各CAV内部构建分布式数字孪生系统，对道路状况、通信信道状态及周围车辆的驾驶策略进行实时监控和动态模拟，弥补了单车感知局限带来的决策不足，从而实现车辆间的群体智能协同。在保留个体驾驶风格的同时，CAV能更有效地缓解HDV驾驶对交通的扰动，显著提升交通流的效率与稳定性。此外，本发明在CAV协同驾驶过程中充分考虑了感知信息共享对通信系统的压力，通过在有限通信资源条件下优选最具决策价值的信息，并根据信道状态动态调整车辆间的交互频率，实现了轻量化设计，进一步增强了方案在实际应用场景中的适用性和可靠性。

摘要：本发明公开了一种面向域集中式电子电气架构的车辆系统密钥管理方法，包括：每个SOME/IP服务执行基于BLS短签名的双向服务权限认证机制完成认证；根据每个SOME/IP服务的通信接口将域间通信分为单播通信和组播通信；对于单播通信，车辆系统上电时每个SOME/IP服务对应的服务端和客户端协商对称密钥；对于组播通信，每个SOME/IP服务对应的服务端和客户端通过服务的发布订阅进行服务握手并成立服务小组，服务小组成员之间协商共享组密钥；每个DCU与域内的ECU根据网关分发的域内通信加密密钥所需的公共参数，计算域内通信加密密钥。本发明适用于汽车域集中式电子电气架构。

摘要：本发明公开了一种CsPbBr3/CsPb0.6Sn0.4IxBr3‑x异质结型的钙钛矿太阳能电池及其制备方法，主要解决现有太阳能电池吸光能力差、光电转换效率低的问题。其自下而上包括透明导电衬底、电子传输层、CsPbBr3吸光层、空穴传输层、保护层和电极层，该透明导电衬底采用导电玻璃，该电子传输层采用n型半导体中的高透光材料，该空穴传输层采用p型半导体中的高透光材料。其特征在于，所述CsPbBr3吸光层与空穴传输层之间设有CsPbBr3/CsPb0.6Sn0.4IxBr3‑x异质结构层，用于调节钙钛矿吸光层的禁带宽度，增强其光吸收能力，本发明提高了光电转换效率，可用于智能光伏玻璃、光伏汽车和光伏建筑一体化。

摘要：本申请公开了一种多维信息输入的车辆侧向稳定性判定与控制方法、装置、设备以及存储介质，涉及车辆底盘控制技术领域，所述多维信息输入的车辆侧向稳定性判定与控制方法包括：获取车辆第一多维信息集合以及车辆采样时间步长，并根据车辆第一多维信息集合和所述采样时间步长确定采样时间间隔；根据采样时间间隔获取车辆第二多维信息集合，并计算车辆第一多维信息集合中每个状态值的第一风险因子系数和车辆第二多维信息中每个状态值第二风险因子系数；根据所述第一风险因子系数和所述第二风险因子系数判断车辆状态；根据所述车辆状态确定控制策略，并根据所述控制策略完成车辆侧向稳定性控制。本申请能够提高车辆的侧向稳定性判定与控制的精准性。

摘要：本发明公开了一种新能源汽车充放电策略优化方法，先采集新能源汽车远程上报的状态数据，通过预处理构建数据集；通过数据集进行多项式拟合，进而根据拟合函数计算充电效率，并根据充电效率确定最优充电范围；接着通过分段求均值计算放电效率，找到相同SOC消耗下行驶里程最长的区间；最后综合充放电效率以及用户使用习惯，找出最优充放电区间推荐给用户。

摘要：本发明公开了基于混合深度学习的新能源汽车电池故障识别及预警方法。该方法首先定义了故障类型与判断标准，生成训练数据的标签。然后构建包括卷积层模型和双向门控循环单元层的混合深度学习模型，分别提取电池数据的空间特征以及时间序列中的长期依赖关系，对电池的状态信息进行编码。接着，将提取的特征输入到故障识别模块中进行模型参数的精细调整，优化模型的交叉熵损失函数，最小化模型预测与实际故障之间的误差，以减少计算时间并提高训练效率。最后基于训练后的混合深度学习模型，检测电池数据的故障概率，并利用该模型预测未来一段时间内的目标特征数据，生成故障预警信息。该方法能够提升电池故障识别的准确性和提前预警的可靠性。

摘要：本发明涉及商用车技术领域，具体涉及一种降低风阻的汽车尾翼优化方法，采用DOE实验方法进行汽车尾翼结构的参数化优化，确定不同输入量对目标变量的影响程度；具体在采用DOE实验方法设计时，考虑构建径向基代理函数模型，利用CS21作为RBF的基函数后，使用均方根误差法对数据筛选，实现对有效数据的辨别及提取；最后将筛选出的数据通过GA遗传算法进行迭代优化，得到最优解风阻值，并根据该风阻值对汽车尾翼的角度和长度进行优化，实现降低汽车风阻的目的。

摘要：