找到 2 条结果 · 电动汽车驱动
基于Transformer的传感器融合在自动驾驶中的应用综述
Transformer-Based Sensor Fusion for Autonomous Vehicles: A Comprehensive Review
Ahmed Abdulmaksoud · Ryan Ahmed · IEEE Access · 2025年2月
传感器融合在机器人、自动驾驶和航空航天等关键领域至关重要。通过整合多源传感器数据，可克服单一传感器的局限性，提升测量可靠性并降低不确定性。基于深度学习的融合方法促进了多模态学习的发展，增强了目标检测性能，但在恶劣天气条件下仍面临挑战。Transformer模型因其在视觉与语言等领域的强大建模能力，为传感器融合提供了新机遇，但其高延迟与计算开销仍是瓶颈。本文系统综述了传感器融合与Transformer模型的研究进展，深入调研了基于Transformer的相机-LiDAR与相机-雷达融合的前沿方法，...
解读: 该Transformer传感器融合技术对阳光电源新能源汽车产品线具有重要应用价值。在车载OBC充电机和电机驱动系统中，可融合电流、电压、温度等多传感器数据，提升SiC器件的实时故障诊断与可靠性预测能力。对于充电桩产品，多模态融合可增强异常检测精度，优化充电安全策略。Transformer的长序列建模...
无线充电系统中磁耦合机构的动态温度预测
Dynamic Temperature Prediction of the Magnetic Coupler in Wireless Charging Systems
Xianzhen Li · Zhenjie Li · Dechun Yuan · Yabiao Zhao 等6人 · IEEE Transactions on Power Electronics · 预计 2026年5月
磁耦合机构作为无线充电系统的核心，其功率损耗导致的温升问题严重影响系统性能。本文提出了一种多点动态温度预测方法，通过结合多物理场有限元仿真与深度学习算法，实现了对磁耦合机构温度的实时精准预测。
解读: 该研究聚焦于无线充电核心部件的热管理，对阳光电源的电动汽车充电桩业务具有参考价值。虽然目前阳光电源充电桩以有线快充为主，但随着大功率无线充电技术的演进，磁耦合机构的散热设计与实时温控将成为提升系统可靠性与功率密度的关键。建议研发团队关注该多物理场耦合与深度学习结合的预测方法，将其应用于充电模块的寿命...