-
公开(公告)号：CN115684946A
公开(公告)日：2023-02-03
申请号：CN202211423928.1
申请日：2022-11-14
Applicant: 南通大学
IPC: G01R31/367 , G01R31/382
Abstract: 本发明提供了一种基于迁移学习的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了3DCNN在锂电池SOC估计中适应新电池型号时造成的模型设计和数据集构建成本增加的问题。其技术方案为：包括以下步骤：步骤1)通过恒流放电实验、DST工况放电实验、FUDS工况放电实验和US06工况放电实验；步骤2)构建用于SOC估计的3DCNN训练数据集和测试数据集；步骤3)使用基于迁移学习的3DCNN对数据集进行训练和测试。本发明的有益效果为：本发明将训练的数据集导入3DCNN中进行训练，最终可用于锂离子电池SOC的实时估计。
-
公开(公告)号：CN114779103A
公开(公告)日：2022-07-22
申请号：CN202210453820.0
申请日：2022-04-24
Applicant: 南通大学
IPC: G01R31/385 , G01R31/367 , G06N3/02
Abstract: 本发明提供了一种基于时滞卷积神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了不能够将时滞与卷积神经网络直接结合的技术问题。其技术方案为：包括以下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流和温度；步骤2)对测取的数据进行预处理，构建用于SOC估计的时滞卷积神经网络训练数据集和测试数据集；步骤3)使用时滞卷积神经网络对数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明中的时滞卷积神经网络能够考虑更多的数据且能够拥有更高的估计精度。
-
公开(公告)号：CN113689922B
公开(公告)日：2022-05-17
申请号：CN202110813343.X
申请日：2021-07-19
Applicant: 南通大学
Abstract: 本发明提供了一种基于改进混沌引力搜索算法的活性污泥过程辨识方法，属于污水处理系统辨识技术领域。其技术方案为：一种基于改进混沌引力搜索算法的活性污泥过程辨识方法，所述具体包括以下步骤：步骤1)建立活性污泥过程的多输入单输出模型；步骤2)构建改进混沌引力搜索算法的辨识流程。本发明的有益效果为：本发明提出的改进混沌引力搜索算法是一种群智能优化算法，它有较快的收敛速度和较高的收敛精度，能较好的适用于对活性污泥过程的建模和参数辨识。
-
公开(公告)号：CN114487844A
公开(公告)日：2022-05-13
申请号：CN202210038015.1
申请日：2022-01-13
Applicant: 南通大学
IPC: G01R31/367 , G01R31/382 , G06N3/04
Abstract: 本发明提供了一种基于电池容量的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了当前电池容量的SOC难于估计的技术问题。其技术方案为：包括如下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流、温度以及负载的电压、电流；步骤2)对测取的数据进行预处理，构建用于估计电池容量的2DCNN训练数据集和测试数据集，再构建新的数据集；步骤3)实现最终的SOC实时估计。本发明的有益效果为：本发明分别通过不同温度下的电池充放电实验获取电池各项参数，估计出电池容量后，最终可用于锂电池SOC的实时估计。
-
公开(公告)号：CN114359157A
公开(公告)日：2022-04-15
申请号：CN202111488122.6
申请日：2021-12-08
Applicant: 南通大学
Abstract: 本发明涉及结直肠息肉检测技术领域，具体涉及一种基于深度学习的结直肠息肉检测方法，包括：从CT影像中获取数据对其进行数据预处理，通过二值化、腐蚀、膨胀等技术，对图像数据进行肠腔实质掩膜提取；然后切割图像进行感兴趣区域(ROI)提取；之后将切割出来的数据影像进行标号保存构建结直肠训练数据集；最后采用一种新的LeNet‑5结构搭建深度学习网络，训练数据，获得影像检测和训练结果。本发明在进行模型训练时，先采用图像预处理技术，找到了疑似区域，大大提高了训练结果的准确性，检测原理简单，检测速度较快，并且随着训练数据的增加，准确率会不断提高。
-
Patent Agency Ranking
公开(公告)号：CN114217234A
公开(公告)日：2022-03-22
申请号：CN202111654358.2
申请日：2021-12-30
Applicant: 南通大学
IPC: G01R31/387
Abstract: 本发明提供了一种基于IDE‑ASRCKF的锂离子电池参数辨识与SOC估计方法，属于锂离子电池技术领域，其技术方案为：包括以下步骤：步骤1)通过间歇恒流放电测取电池的负载电流和端电压数据，确定OCV‑SOC关系；步骤2)建立锂离子电池的二阶RC模型；步骤3)构建IDE算法的辨识流程，对电池模型参数进行辨识；步骤4)构建ASRCKF算法的估计流程；步骤5)利用IDE算法确定锂电池模型中的各个参数，并利用ASRCKF对电池SOC进行估计。本发明的有益效果为：本发明提高了算法的收敛速度与精度；利用辨识得到的参数结果结合ASRCKF算法进行SOC估计，精度高、鲁棒性好，效果优于CKF。
-
公开(公告)号：CN111929507A
公开(公告)日：2020-11-13
申请号：CN202010918722.0
申请日：2020-09-04
Applicant: 南通大学
Abstract: 本发明公开了一种基于损耗的两级式单相逆变器直流母线电容ESR监测方法，该方法步骤为：第一步，对直流母线电压vbus与逆变器电感电流iL2进行同步采样；第二步，对采样得到的直流母线电压Vbus(1,2,..N)进行高通滤波得到直流母线电压交流分量Vbus_ac(1,2,..N)；第三步，对逆变器电感电流IL2(1,2,..N)取绝对值得到I'L2(1,2,..N)，并进行高通滤波得到整流后的逆变器电感电流交流分量I'L2_ac(1,2,..N)；第四步，根据Vbus_ac(1,2,..N)与I'L2_ac(1,2,..N)计算交流功率p以及电流平方和i2；第五步，获取交流功率p的直流分量 以及电流平方和i2的直流分量 第六步，计算直流母线电容的ESR的值。本发明提供的方法不需要增加额外的采样点，不影响变换器的正常工作，简单易实现，为两级式单相逆变器中的直流母线电容的健康监测提供依据。
-
公开(公告)号：CN115267549A
公开(公告)日：2022-11-01
申请号：CN202210883000.5
申请日：2022-07-26
Applicant: 南通大学
IPC: G01R31/367
Abstract: 本发明提供了一种复杂工况下的锂离子电池非线性建模方法，属于锂离子电池技术领域，解决了复杂工况下最小二乘类算法辨识效果差、传统等效电路模型精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)对电池进行DST和FUDS工况测试；步骤2)建立锂离子电池NL‑ECM模型；步骤3)构建GWO的算法流程；步骤4)在GWO基础上进行改进，构建IGWO；步骤5)利用IGWO辨识模型参数，在多种工况下利用辨识结果进行端电压预测。本发明的有益效果为：本发明在ECM基础上引入块结构，构建NL‑ECM模型，在DST工况下利用IGWO进行参数辨识，算法收敛速度快，辨识结果准确，构建的模型精度明显高于ECM。
-
公开(公告)号：CN115201680A
公开(公告)日：2022-10-18
申请号：CN202210729825.1
申请日：2022-06-24
Applicant: 南通大学
IPC: G01R31/367 , G01R31/36 , G01R31/385
Abstract: 本发明提供了一种基于Hammerstein‑CARMA的锂离子电池非线性建模方法，属于锂离子电池技术领域，解决了传统锂离子电池等效电路模型精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)通过间歇恒流放电测取电池的负载电流和端电压数据，确定OCV‑SOC关系；步骤2)建立基于Hammerstein‑CARMA的锂离子电池非线性模型；步骤3)构建COA的算法流程；步骤4)在COA基础上引入多种改进措施，构建ICOA；步骤5)利用ICOA辨识模型参数并预测锂离子电池端电压。本发明的有益效果为：本发明利用改进的郊狼优化算法进行参数辨识，辨识精度高、收敛速度快。
-
公开(公告)号：CN114660941A
公开(公告)日：2022-06-24
申请号：CN202210323000.X
申请日：2022-03-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于递阶辨识原理的交流电弧炉电极系统辨识方法，属于交流电弧炉电极系统辨识技术领域。解决了过于简化真实的电极系统结构而导致模型精度较低的问题。将递阶辨识应用在模型中，进一步提高了辨识精度。其技术方案为：包括以下步骤：步骤1)建立交流电弧炉电极系统的单输入单输出Hammerstein‑Wiener模型；步骤2)构建极大似然最小二乘和随机梯度的递阶辨识流程。本发明的有益效果为：本发明提出的极大似然最小二乘递阶辨识算法，有较快的收敛速度和较高的收敛精度，能较好的适用于对交流电弧炉电极系统的建模和参数辨识。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.019 seconds)
