第一次全解BEV电动整车模型,拿走不谢

仿真模型最后的仿真速度

在data.mat文件里存入了多种运行工况,可根据如下选择想要的工况运行,并修改工况时间即可。工况为mph的数据,如需km/h数据,乘1.609即可。也可自行输入工况,作为模型输入,把in替换成clock+look up table形式。

如若想自行修改模型的电机外特性,找到BEV_motor_xiugai模型,其中按照下图圈中的方法,更改自己的电机数据即可。Look up table模块放的就是自己的电机数据,下面的常数模块放自己电机的最大功率。

封装好的整车模型

需要调整的模块有:整车模块、轮胎模块、主减速器模块、电机模块、电池模块,各模块需要准备的参数如下图所示。

电池模块

电池模块的基础参数如下所示,包含容量、初始SOC、电压及串并联数。Nominal values of cell中,可以填写单体的参数,也可以填写整包的参数。OCV曲线是电池SOC与开路天电压的关系,在电池基础参数变更后,要注意电池OCV曲线与电池参数的一致性。当Nominal values of cell中电池为单体参数时,OCV曲线要响应的键入单体的OCV曲线。OCV曲线中的开路电压应处于Nominalvalues of cell中最大电压及最小电压之间。例如,模型中采用的电池参数额定电压键入3.2V,最低级最高电压分别为3.7/2.2V,串数为100,那OCV曲线b列数值应处于2.2~3.7之间。

喜欢就加个关注,微信搜索加关注。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
BEV Transformer是一种在视觉检测领域中被广泛使用的模型。它将视觉图片转换到BEV(鸟瞰图)坐标系下,并使用连续帧编码的方式来获取更丰富的特征信息。这种组合模型相对较大,需要更多的数据进行训练,并且对AI芯片的推理部署也有更高的要求。\[1\] 关于BEV Transformer的训练模型,有一项研究提出了一种名为BEVFormer的方法,通过从多摄像头图像中学习鸟瞰图表示,并利用时空Transformer来提取特征。这项研究的论文标题是《BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers》。\[2\] 此外,为了弥补BEV Transformer在远处感知能力较弱的问题,可以采用一些方法。例如,可以使用前视单目摄像头结合卷积神经网络(CNN)来获取远处的感知信息,并将其与BEV Transformer的结果进行融合。另外,还可以采用前视叠加4D雷达的方案,同时提供近处冗余和远处障碍物感知能力,以弥补BEV Transformer的不足之处。\[3\] #### 引用[.reference_title] - *1* *3* [BEV+Transformer的发展趋势](https://blog.csdn.net/weixin_41691854/article/details/129921659)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [大白话用Transformer做BEV 3D目标检测](https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/125175953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值