-
公开(公告)号：CN114062948A
公开(公告)日：2022-02-18
申请号：CN202210025289.7
申请日：2022-01-11
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明提供了一种基于3DCNN的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了SOC估计方法中3DCNN卷积神经网络难以用于SOC估计的问题。其技术方案为：该方法包括以下步骤：步骤1）通过放电实验，反复测取电流等数据；步骤2）数据预处理并构建数据集；步骤3）通过3DCNN卷积神经网络对数据集进行训练，得到3DCNN模型用于实时估计。本发明的有益效果为：本发明使用的卷积神经网络结构能够发掘相邻放电周期之间同一时间点上输入数据的联系，时间维度上的卷积核不仅能考虑循环次数，还能提取各个循环之间的特征关系，且凭借其高适应能力，还可以进行电池剩余容量、电池剩余寿命等电池各个参数的预测。
-
公开(公告)号：CN113702843A
公开(公告)日：2021-11-26
申请号：CN202110845535.9
申请日：2021-07-26
Applicant: 南通大学
IPC: G01R31/382
Abstract: 本发明提供了一种基于郊狼优化算法的锂电池参数辨识与SOC估计方法，包括以下步骤：步骤一：通过间歇恒流放电测取锂电池的电流、电压；步骤二：建立锂电池二阶RC等效电路模型；步骤三：构建郊狼优化算法；步骤四：构建扩展卡尔曼滤波算法；步骤五：利用郊狼优化算法确定锂电池模型中的各个参数，并对电池SOC进行估计。本发明的有益效果为：本发明建立锂电池二阶RC模型，推导其离散状态空间表达式，利用郊狼优化算法进行模型参数辨识，相比于传统启发式算法辨识精度高、收敛速度快，利用辨识结果进行SOC估计，估计误差小，验证了郊狼优化算法在参数辨识方面的精确性。
-
公开(公告)号：CN112526348B
公开(公告)日：2021-11-09
申请号：CN202011293629.1
申请日：2020-11-18
Applicant: 南通大学
IPC: G01R31/367 , G06N7/00
Abstract: 本发明提供了一种基于多新息递推贝叶斯算法的电池模型参数辨识方法，包括以下步骤：步骤1)通过间歇恒流放电法测取一定时间内的锂离子电池端电压、负载电流数据，通过多项式拟合法确定其OCV‑SOC的函数关系；步骤2)确定锂离子电池的双极化等效电路模型，建立表示电池参数辨识向量和系统输出关系的系统方程；步骤3)构建多新息递推贝叶斯算法的辨识流程。本发明的有益效果为：本发明建立了锂离子电池参数辨识的ARX模型，利用新息修正技术对前一刻的结果进行修正，基于多新息的辨识方法引入了新息长度参量，克服坏数据对参数估计的影响，提高参数估计精度，由参数辨识结果可以看出，本方法辨识精度高，具有工程价值。
-
公开(公告)号：CN113315168A
公开(公告)日：2021-08-27
申请号：CN202110720233.9
申请日：2018-10-09
Applicant: 南通大学
Abstract: 本发明公开了一种基于序贯蒙特卡洛模拟的风‑储混合电站运行模拟方法，提出了一种电池储能系统运行计划优化模型，优化目标为风‑储混合电站发电功率中的波动能量最小。运行中，在历史风功率、电池储能系统历史充放电功率与超短期风功率预测的基础上，对该优化模型进行滚动求解，给出电池储能系统的最优运行计划，并以此为依据生成充放电功率指令。其次，为避免电池储能系统在执行充放电功率指令时频繁切换充放电状态，延长使用寿命，将其分为容量相等的两部分独立运行。本发明使用方便、效果好。
-
公开(公告)号：CN112783068A
公开(公告)日：2021-05-11
申请号：CN202110067611.8
申请日：2021-01-19
Applicant: 南通大学
IPC: G05B19/042
Abstract: 本发明公开了一种提高电气控制设备使用稳定性的方法及装置，获得所述第一激光打标机的第一基础信息，获得第一位置信息，获得第二位置信息，根据所述第一位置信息和第二位置信息获得第一气候差异信息，并将所述第一气候差异信息作为第一输入数据；获得第一用户的第一操作习惯，将所述第一操作习惯作为第二输入数据；将所述第一输入数据、所述第二输入数据输入第一参数预调模型；获得所述第一参数预调模型的第一输出结果，所述第一输出结果包括第一参数调整信息；获得第一调整指令；根据所述第一调整指令，将所述第一参数调整信息应用于所述第一激光打标机的设定。解决了现有技术中存在激光打标机使用过程中稳定性不高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN111618847A
公开(公告)日：2020-09-04
申请号：CN202010323721.1
申请日：2020-04-22
Applicant: 南通大学
Abstract: 本发明公开了基于深度强化学习与动态运动基元的机械臂自主抓取方法，包括如下步骤：步骤1：安装摄像机图组件，确保识别区域不被遮挡，并对抓取目标区域图像进行预处理，并作为状态信息发送给深度强化学习智能体；步骤2：基于所述状态和深度强化学习原理构建局部策略近端优化训练模型；步骤3：融合动态运动基元和模仿学习构建一种新的混合运动基元模型；步骤4：基于所述的模型训练机械臂自主抓取物体。本发明能够有效解决基于传统深度强化学习的机械臂关节运动不平滑问题，通过结合动态运动基元算法，把元参数的学习问题转化为强化学习问题，可以利用深度强化学习的训练方法使得机械臂完成自主抓取任务。
-
公开(公告)号：CN111098755A
公开(公告)日：2020-05-05
申请号：CN202010115887.4
申请日：2020-02-25
Applicant: 南通大学
IPC: B60L58/12 , B60L58/10 , G01R31/387 , G01R31/388 , G01R31/367
Abstract: 本发明提供了一种电动汽车动力电池SOC估计方法，包括以下步骤：步骤1)：通过间歇恒流放电法测取动力电池的电流与电压，通过多项式拟合法确定动力电池的OCV-SOC的函数关系式；步骤2)：建立动力电池二阶RC等效电路模型，推导其辨识模型；步骤3)：构建改进的混沌引力搜索算法的流程，完成辨识；步骤4)：针对锂离子电池非线性系统建立电池的状态空间模型，构建高斯-厄米特滤波算法的流程，并与改进的混沌引力搜索算法组成联合估计算法。本发明的有益效果为：本发明采用将模型参数辨识和SOC估计进行联合的估计算法，以实现对电池的SOC更好的实时估计。
-
公开(公告)号：CN110334315A
公开(公告)日：2019-10-15
申请号：CN201910547042.X
申请日：2019-06-24
Applicant: 南通大学
Abstract: 本发明提供一种基于极大似然和梯度优化的辛烷值推断模型辨识方法，包括构建出工业连续重整装置的辛烷值推断的双率哈默斯坦非线性模型，获得了双率的辨识模型；使用多项式变换技术，将模型转化为可直接使用双率的输入输出数据进行辨识的模型，结合极大似然原理和梯度搜索原理，推导出一种极大似然随机梯度辨识算法对模型的参数进行最优估计。本发明的辨识方法结构简单，非常容易实现，辨识精度高。本发明还建立了极大似然随机梯度辨识方法的流程和步骤，可以有效地应用到辛烷值推断非线性双率系统的参数估计中去，具有一定的工程应用价值。
-
公开(公告)号：CN110286332A
公开(公告)日：2019-09-27
申请号：CN201910523876.7
申请日：2019-06-17
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明提供了一种基于多新息理论的电动汽车动力电池SOC估计方法，属于电动汽车动力电池管理技术领域。其技术方案为一种基于多新息理论的电动汽车动力电池SOC估计方法，包括通过间歇恒流放电法确定动力电池的OCV-SOC的函数关系式；建立动力电池二阶RC等效电路模型，推导其辨识模型；根据多新息辨识理论，构建多新息扩展卡尔曼滤波算法，并与多新息遗忘因子递推最小二乘辨识算法组成联合估计算法。本发明的有益效果为：计算准确，适用于电动汽车动力电池SOC估计。
-
公开(公告)号：CN109992907A
公开(公告)日：2019-07-09
申请号：CN201910277241.3
申请日：2019-04-08
Applicant: 南通大学
Abstract: 本发明公开了一种基于粒子群的连续搅拌釜反应器维纳非线性模型辨识方法，包括构建出连续搅拌釜反应器的维纳非线性模型，获得连续搅拌釜反应器的辨识模型；构建线性递减惯性权重的粒子群优化搜索方法，通过将辨识模型的参数作为粒子群的位置向量，基于适应度函数来更新各粒子的位置和速度，采用粒子群优化对参数空间进行高效搜索，来获得系统模型参数的最优估计。该辨识方法在迭代初期具有较大的搜索空间和速度，而在迭代后期具有较强的局部搜索能力，收敛速度快，辨识精度高。本发明还建立了线性递减惯性权重粒子群迭代辨识方法的流程和步骤，可以有效地应用到连续搅拌釜反应器维纳非线性系统的参数估计中去，具有一定的工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.037 seconds)
