Original name record: 中国汽车工程研究院股份有限公司

本发明涉及信号处理技术领域，提供时域波形复现信号光滑处理方法，用于在车辆振动采集系统中对汽车零部件的疲劳耐久性检测，包括：S1，获取车辆零部件的初始阻抗，以及多帧待复现信号；S2，计算首帧第一驱动信号，对第一驱动信号作平滑处理，形成目标驱动信号；获取相对应的响应信号S3，依次基于后续每一帧待复现信号与前一阶段相对应更新后的阻抗，计算生成对应帧的第一驱动信号，形成目标驱动信号；S4，将多帧响应信号进行应力分析，量化汽车零部件在模拟工况下的损伤累积过程，评估所述汽车零部件的疲劳耐久性。本发明能够避免产生响应脉冲，提高信号波形复现精度，以提高对汽车零部件的疲劳耐久性检测的精准性。

本发明实施例提供一种用于PEMS整车在环测试的辅助方法及系统，所述方法包括：接收测试指令，基于测试指令识别测试要求，基于测试需求构建测试场景，并导入测试路谱，测试场景的测试参数包括被测车辆参数、环境参数；将测试场景加载至测试台架，基于测试参数调整道路负载，基于测试路谱同步调整道路负载以及被测车辆的运行逻辑；测试过程中，实时显示并上传车辆传感器及环境传感器上传的车辆状态视图；基于车辆状态，接收实时调整指令，识别调整要求，进而确定车辆调整策略，基于车辆调整策略调整道路负载以及被测车辆的运行逻辑。

本发明涉及动力电池安全管理方法领域，具体涉及动力电池安全系统多重安全冗余方法及系统，方法通过联邦李雅普诺夫‑图网络算法，以本地混沌特征提取、区域故障传播建模、全局隐私协同决策、硬件极速熔断的四级冗余机制，实现动力电池系统的动态安全冗余；系统包括多个电池模组，每个电池模组包括本地BMS、区域控制器、中央安全网关和硬件熔断层。本发明能够实现早期故障识别，在热失控场景下，提高电池包未扩散率。

本发明涉及电动车辆故障诊断方法领域，具体涉及一种基于对比学习的电池故障诊断预训练大模型，包括，获取车辆运行数据，并筛选充放电数据；选取预设类型的数据，并进行预处理；将每个数据根据时间维度进行切片，形成输入数据；对输入数随机抽取进行增强处理，得到成对不同增强方式的输入矩阵；将一对输入矩阵输入到编码器中，得到两个表征向量，传递至预测头，得到两个输出向量，计算相似度；根据相似度计算对比损失函数；针对下游故障诊断任务，固定上游模型权重参数，将全连接层进行单独读取，待后续训练；利用少量故障标签数据对下游故障诊断任务进行训练，与上游预训练大模型形成端到端的故障诊断预训练大模型。本发明让下游故障诊断精准识别。