基于CCP协议的电池管理系统标定模块的设计

CCP协议是一种可靠,准确和快速的动态标定协议.以该协议为基础,对现有的电池管理系统BMS进行了标定硬件电路扩展,并在BMS源程序中开发集成了CAN底层通信程序及CCP驱动程序,利用INCA软件作为上位机标定软件,以优化管理系统的控制性能,提高BMS的可移植性和通用性,缩短系统开发周期.     

基于CCP协议利用CANape进行电控单元标定

采用基于CAN总线的匹配标定协议,对汽车控制器局域网络中的电子控制单元进行匹配标定。分析了CCP协议用于标定的工作机理,讨论了利用CANape进行基于CCP标定的实现方法,阐述了如何生成CANape与控制器底层程序的软件接口及具体标定流程。实际应用结果表明,这种方法可以快速有效地实现对汽车网络中各控制器的匹配标定。     

汽车ECU标定系统CCP软件的实现

CCP协议是一种CAN总线标定匹配协议.本文简单介绍该协议的基本原理,以及一种基于该协议的汽车ECU标定系统的实现方法.最后,结合MC9S12DP256芯片以及μC/OS-Ⅱ操作系统,详细讨论了此标定系统的CCP软件实现方法.     

基于CCP协议的汽车ECU标定系统的设计

CCP协议是一种基于CAN总线的匹配标定协议。本文介绍了该协议的基本原理，通信方式以及用于ECU标定的各种工作模式，并讨论了一种基于CCP协议的汽车ECU标定系统，该系统实现了对汽车系统中的ECU进行在线标定，并可以针对不同用户需求提供不同的定制功能，因此，在汽车电子控制系统开发中将能得到较好的应用。     

混合动力汽车蓄电池标定系统的研究

混合动力汽车蓄电池管理系统参数的合理标定能优化整车控制策略.本文介绍了一种基于CCP协议,对HEV蓄电池管理系统各种参数进行标定的系统,在BMS源程序中开发集成了CCP的驱动程序,利用INCA软件实现了时BMS的标定,优化了整车的性能.     

基于XCP协议支持多总线的ECU标定系统的实现

目前国内开发的标定系统大都基于CCP协议,仅支持CAN总线,系统的总线兼容性和可扩展性不强。利用XCP协议传输层与协议层相互独立的特性,实现了一种基于XCP协议、支持多种通信总线的ECU标定系统。系统架构采用业界广泛认可的ASAM-MCD标准,在主、从节点实现了XCP驱动。基于相同的协议层,分别设计了支持CAN总线和Flex Ray总线的传输层,使标定系统同时满足两种总线的应用需求。具体的测量标定实验表明:该系统使用方便,能够良好地满足ECU开发过程中的标定需求。     

基于CCP的AMT电控单元标定系统开发

为方便、快捷、稳定地对AMT电控系统进行标定,采用基于CCP协议的通讯标准,以某AMT系统为平台,开发了AMT电控系统标定仪。试验证明,所设计的标定仪能较好的实现预期功能且性能稳定。     

基于MC68376的CCP软件程序设计

首先根据CAN及其CCP标定协议,采用标定软件CANape对控制器RAM区的参数进行修改,并通过Flash-RAM映射修改Flash区的参数.最后,针对MC68376芯片处理器,给出标定系统的软件实现方法.     

基于CCP电池控制器在线标定系统的研究

本文介绍了广泛应用于在线标定的CCP协议(Can Calibration Protocol),基于该协议设计了一种应用于混合动力汽车电池控制器(Battery Control Unit,BCU)的在线标定系统,通过该系统来设置BCU的相应参数,以达到实时监控电池状态,调节BCU以及整车性能的目的。     

基于CCP电控单元通用通信模块的开发

在全面分析CCP的基础上,设计并开发了电控单元的通信模块.将通信模块分成标定协议和CAN驱动两部分,协议实现和硬件底层驱动分离的设计方法保证了通信模块软件在多平台上移植,同时通信模块也更具通用性.软件编写采用模块化编程方法,各个模块相互独立,某个模块出现故障时不会影响其它模块,便于程序的调试和维护,实验结果表明,电控单元和标定工具实时传输数据快,通信可靠性高,为电控单元后续匹配标定打下坚实基础.     

基于CCP的机械自动变速器控制单元标定系统

汽车电控制单元的开发中,一项重要的工作是对控制规律参数进行调解,也就是所谓“控制单元的标定”。文章介绍了一个用于机械式自动变速器(AutomatedManualTransmission,AMT)控制单元的标定系统,它采用控制器局域网(ControllerAreaNetwork,CAN)标定协议CCP(CANCalibrationProtocol),通过CAN网络实现标定计算机与被标定的控制单元的通信,实现对控制单元数据的调节和数据的上传和下载。标定操作界面支持数据点、曲线和数据表的标定操作。直接对曲线的拖动功能,使修正脉谱图时更直观。通过实际AMT控制单元开发应用,验证了标定系统的性能。     

A hybrid learning-based model for on-line detection and analysis of control chart patterns

Unnatural control chart patterns (CCPs) are associated with a particular set of assignable causes for process variation. Therefore, effectively recognizing CCPs can substantially narrow down the set of possible causes to be examined, and accelerate the diagnostic search. In recent years, neural networks (NNs) have been successfully used to the CCP recognition task. The emphasis has been on the CCP detection rather than more detailed quantification of information of the CCP. Additionally, a common problem in existing NN-based CCP recognition methods is that of discriminating between various types of CCP that share similar features in a real-time recognition scheme. This work presents a hybrid learning-based model, which integrates NN and DT learning techniques, to detect and discriminate typical unnatural CCPs, while identifying the major parameter (such as the shift displacement or trend slope) and starting point of the CCP detected. The performance of the model was evaluated by simulation, and numerical and graphical results that demonstrate that the proposed model performs effectively and efficiently in on-line CCP recognition task are provided. Although this work considers the specific application of a real-time CCP recognition model for the individuals (X) chart, the proposed learning-based methodology can be applied to other control charts (such as the X-bar chart).     

An hybrid detection system of control chart patterns using cascaded SVM and neural network�Cbased detector

Early detection of unnatural control chart patterns (CCP) is desirable for any industrial process. Most of recent CCP recognition works are on statistical feature extraction and artificial neural network (ANN)-based recognizers. In this paper, a two-stage hybrid detection system has been proposed using support vector machine (SVM) with self-organized maps. Direct Cosine transform of the CCP data is taken as input. Simulation results show significant improvement over conventional recognizers, with reduced detection window length. An analogous recognition system consisting of statistical feature vector input to the SVM classifier is further developed for comparison.     

基于DSP的车道偏离检测与车辆前向车距检测

基于智能交通的快速发展,研究了在高速路段下基于机器视觉的车道偏离检测与车辆前向安全车距检测技术.首先固定车载相机,通过相机标定获取相机的内参数和外参数,进而设计车距检测模型.该模型不但能够检测出前方车辆与无人车的距离,还能计算出前方车辆相对于摄像机光轴的偏转角度.接着在CCP偏离检测算法的基础上,设定安全和报警区来建立车道偏离模型,并对当前车辆的偏离结果作出正常行驶的评判.最后借助TI的DVSDK组件包将算法移植到嵌入式平台DSP-DM3730上测试.实验表明,本文设计的车距检测模型和车道偏离模型在解决无人车的前向防撞检测和车道偏离检测等问题上具有较好的参考价值.     

基于事件的社交网络上的CCP事件规划

在基于事件的社交网络(EBSNs)上,事件规划一直是一个热点研究问题.事件规划问题的核心是基于事件和用户的约束条件,对于一组事件,为每个事件选择一组用户,以最大化预先定义的目标函数.在实际应用中,事件冲突、事件容量、用户容量、社交偏好、事件偏好,简称为CCP,即冲突conflict、容量capacity、偏好preference,是规划方案需要考虑的重要因素.然而,现有的所有工作均未在研究事件规划问题时考虑CCP.为了获得更加合理有效的规划方案,首次提出一种CCP事件规划问题.相比只考虑部分因素的规划, CCP事件规划面临着问题更复杂、约束条件更多的困难.为了有效求解该问题,提出事件导向的贪心用户选择算法、事件导向的动态规划算法及基于收益预测的快速版本和事件导向的近似最优用户选择算法.大量的实验结果验证所提算法的有效性和高效性.