买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉润芯微科技(江苏)有限公司申请的专利一种电车自动保护式充电方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120056786B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510300301.4，技术领域涉及：B60L53/60；该发明授权一种电车自动保护式充电方法是由朱华亮设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种电车自动保护式充电方法在说明书摘要公布了：本发明公开了一种电车自动保护式充电方法，涉及电动汽车充电技术领域，包括对进入充电区域的车辆进行车牌识别和车型匹配，同时利用人脸识别技术对车主身份进行双重认证，结合后台信息进行权限验证；待电动汽车进入充电后，启动充电设备，获取充电车位区域监测数据，进行火灾风险监测；通过智能识别算法区分运动物体特征，根据物体不同类型自动调整警告方式，将异常事件进行实时推送。本发明不仅提升充电过程中的安全性，还增强充电设施的智能化管理，能有效提升充电站的安全性与运营效率。

本发明授权一种电车自动保护式充电方法在权利要求书中公布了：1.一种电车自动保护式充电方法，其特征在于：包括： 对进入充电区域的车辆进行车牌识别和车型匹配，同时利用人脸识别技术对车主身份进行双重认证，结合后台信息进行权限验证； 待电动汽车进入充电后，启动充电设备，获取充电车位区域监测数据，进行火灾风险监测； 所述监测数据包括烟雾浓度数据、温度变化数据和火焰光谱数据；红外热成像仪实时扫描充电设备和车辆底盘的温度分布，得到充电车位区域热成像数据； 对采集到的烟雾浓度数据、温度变化数据和火焰光谱数据以及热成像数据进行归一化处理，去除噪声数据后提取有效数据特征； 使用主成分分析PCA对有效数据特征进行降维，提取关键特征向量，计算公式为： 式中，n为样本数量，X为数据矩阵，XT为数据矩阵的转置，C为协方差矩阵，选择前k个最大特征值对应的特征向量作为主成分； 采用深度学习中的卷积神经网络CNN结合长短期记忆网络LSTM构建火灾风险预测模型，使用卷积神经网络CNN对热成像图像进行处理； 将烟雾浓度数据、温度变化数据和火焰光谱数据的时间序列数据输入到长短期记忆网络LSTM中，输出得到时间序列数据中的火灾风险特征； 将CNN提取的图像特征和LSTM提取的时间序列特征合并为综合特征向量； 通过全连接层对综合特征向量进行处理，输出得到火灾风险概率，根据火灾风险概率判断风险等级决定采取相应措施，计算公式为： P＝σWoF+bo 其中，P表示火灾风险概率，Wo和bo分别为全连接层的权重和偏置，σ为sigmoid函数，将输出值映射到[0,1]区间，F为综合特征向量； 使用历史火灾数据和正常充电数据作为训练集，对模型进行训练，训练过程中，通过验证集对模型进行评估； 所述根据火灾风险概率判断风险等级决定采取相应措施包括，计算风险预设阈值，计算公式为： 式中，Pt为风险预设阈值，Pj为在第j次监测中计算出的火灾风险概率，wj为权重因子，对于更近的数据赋予更高的权重，R1为监测次数； 当火灾风险概率P≤风险预设阈值Pt时，系统判断当前火灾风险概率处于低风险区间，系统进入低风险预警状态，系统通过温度传感器、烟雾传感器、火焰传感器和红外热成像仪实时采集充电车位的环境数据，并将数据传输至本地控制器和云端服务器进行存储和二次分析，定期对数据进行评估，若在低风险预警状态下连续监测到火灾风险概率P大于风险预设阈值Pt时，系统自动切换至中风险预警状态，进入中风险预警状态触发中风险响应措施，系统向管理人员移动终端发送预警信息，提示存在潜在火灾风险，并建议管理人员进行现场检查，同时自动切断充电电源，停止充电过程，启动通风系统，同时继续监测火灾风险概率，在中风险状态下火灾风险概率P大于风险预设阈值Pt时，系统会自动切换至高风险预警状态； 当火灾风险概率P＞风险预设阈值Pt时，当火灾风险概率处于高风险区间时，系统进入高风险预警状态，系统立即向管理人员和消防部门发送紧急警报，将警报信息发送至远程监控平台，若在高风险状态下，火灾风险概率P＞风险预设阈值Pt保持不降，系统自动进入应急处理模式； 通过智能识别算法区分运动物体特征，根据物体不同类型自动调整警告方式，将异常事件进行实时推送； 所述区分运动物体特征包括以下步骤， 使用高清摄像头采集充电区域的视频帧，对采集的图像进行预处理，包括灰度化、去噪以及标准化； 通过高斯混合模型GMM建立背景模型，在每一帧预处理后的图像中，计算当前图像与背景模型之间的差异，检测出移动物体，通过光流法计算运动物体的运动方向和速度； 使用卡尔曼滤波对物体的运动进行轨迹跟踪，计算出运动物体的位移和速度，对每个检测到的物体生成边界框，并记录边界框的运动信息； 对每个运动物体，提取其外形特征以及运动特征； 使用卷积神经网络CNN训练物体分类模型，使用提取的运动物体的特征作为输入，进行物体分类，采用交叉熵损失函数，通过标准的反向传播算法进行网络权重的优化，损失函数定义为： 式中，L为损失函数值，N为样本数量，yi为第i个样本的真实标签，Pi为第i个样本的概率； 输入检测到的运动物体的特征，通过训练好的CNN模型进行物体类型的分类，得到物体类别，输出物体的类别标签以及概率值； 根据物体类型的识别结果，自动调整警告方式确保充电区域安全。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人润芯微科技(江苏)有限公司，其通讯地址为：215134 江苏省苏州市相城区高铁新城南天成路118号智高商务广场1幢B座6F-10F；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。