-
公开(公告)号：CN119916756A
公开(公告)日：2025-05-02
申请号：CN202510026746.8
申请日：2025-01-08
Applicant: 南通大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于递阶最小二乘的电加热炉系统辨识方法，属于工业控制过程系统辨识技术领域，解决了电加热炉系统参数辨识精度不高的技术问题。其技术方案为：一种基于递阶最小二乘的电加热炉系统辨识方法，包括以下步骤：步骤1)建立电加热炉系统的分数阶状态空间模型；步骤2)构建基于卡尔曼滤波的递阶最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的基于卡尔曼滤波的递阶最小二乘算法具有较快的收敛速度和较高的收敛精度，能较好的适用于对电加热炉系统的参数辨识。
-
公开(公告)号：CN119884636A
公开(公告)日：2025-04-25
申请号：CN202411819857.6
申请日：2024-12-11
Applicant: 南通大学
IPC: G06F18/20 , G06F18/241 , G06F18/10 , G06N3/008 , G06N3/084 , G06F18/214
Abstract: 本发明提供了一种基于降维数据驱动的励磁波形估计方法，属于磁性电气元件技术领域。解决了传统模型法其准确性和抗干扰能力不足的技术问题。其技术方案为：包括以下步骤：步骤1)对原始数据进行降维预处理得到特征样本；步骤2)并确定MLP神经网络的各层结构；步骤3)使用交配策略对星鸦优化算法进行改进；步骤4)结合改进的星鸦优化算法对MLP神经网络的网络参数进行训练，得到初步更新的MLP神经网络；步骤5)利用FNOA‑MLP神经网络算法对磁芯励磁波形进行预测。本发明的有益效果：在低秩逼近中的数据，具有更强的模型表达能力。
-
公开(公告)号：CN119150472A
公开(公告)日：2024-12-17
申请号：CN202411090923.0
申请日：2024-08-09
Applicant: 南通大学
Abstract: 本发明提供了一种基于两阶段估计的液压挖掘机系统辨识方法，属于机械设备系统辨识技术领域，解决了自适应矩估计算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：一种基于两阶段估计的液压挖掘机系统辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶液压挖掘机系统Hammerstein模型；步骤2)构建两阶段最小二乘自适应矩估计算法的辨识流程。本发明的有益效果为：本发明提出的两阶段最小二乘自适应矩估计算法有较快的收敛速度和较高的收敛精度，能较好地适用于对分数阶液压挖掘机系统的建模和参数辨识。
-
公开(公告)号：CN118466189A
公开(公告)日：2024-08-09
申请号：CN202410481741.X
申请日：2024-04-22
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种具有死区特性的稀缺采样转台伺服系统辨识方法，属于转台伺服系统的建模技术领域。解决了因测量稀缺而导致的数据不完整的技术问题，其技术方案为：包括以下步骤：步骤1)构建出一个具有死区特性的转台伺服Wiener‑Hammerstein系统模型，并获得稀缺采样情况下具有死区特性的转台伺服Wiener‑Hammerstein系统辨识模型；步骤2)构建出基于辅助模型的多新息改进粒子群的辨识方法。本发明的有益效果为：本发明引入了多新息技术来提高收敛速度和估计精度。
-
公开(公告)号：CN117935953A
公开(公告)日：2024-04-26
申请号：CN202410101268.8
申请日：2024-01-24
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进LAMB算法的谷氨酸发酵过程的辨识方法，属于生物反应过程系统辨识技术领域。解决了谷氨酸发酵过程参数难以辨识的技术问题。其技术方案为：包括以下步骤：步骤1)建立谷氨酸发酵过程的多输入单输出Wiener‑OEAR模型；步骤2)构建改进LAMB算法的辨识流程。本发明的有益效果为：本发明相比传统的梯度下降算法，谷氨酸发酵过程时有较快的收敛速度和较高的辨识精度，输出的参数估计误差小，同时说明了该辨识方法对于谷氨酸发酵过程参数辨识有很好的适用性，具有一定的工程实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119125899A
公开(公告)日：2024-12-13
申请号：CN202411360202.7
申请日：2024-09-27
Applicant: 南通大学
IPC: G01R31/367 , G06N3/043 , G06N3/08 , G06F30/367 , G06F18/2415 , G01R31/378 , G01R31/387 , G01R31/396
Abstract: 本发明提供了一种基于自适应模糊神经网络误差补偿的SOC估计方法，属于锂离子电池技术领域。解决了AEKF预测SOC误差过大的问题。其技术方案为：包括以下步骤：步骤1)对锂离子电池进行间歇恒流放电实验；步骤2)建立二阶RC等效电路模型；步骤3)利用AEKF进行锂电池SOC粗估计；步骤4)提出一种基于自适应模糊神经网络的误差补偿网络；步骤5)利用自适应模糊神经网络得到的预测误差，补偿粗预测结果。本发明的有益效果为：本发明对SOC进行预测修正，具有很高的精度。
-
公开(公告)号：CN118759403A
公开(公告)日：2024-10-11
申请号：CN202410995761.9
申请日：2024-07-24
Applicant: 南通大学
IPC: G01R31/392 , G01R31/382 , G01R31/378 , G01R31/367
Abstract: 本申请公开了一种基于CUR‑RBF‑PF的锂离子电池SOH估计方法，包括以下步骤：基于锂离子电池的历史老化数据，通过CUR提取锂离子电池的健康指标数据；基于RBF神经网络模型以及健康指标数据，获取锂离子电池的第一SOH估计值；通过粒子滤波器对锂离子电池的SOH值进行滤波优化，获取锂离子电池的第二SOH估计值。本申请通过CUR的方法对锂离子电池的退化数据进行特征提取，易实现，且提取到的特征数据与SOH具有较高的相关性。本申请在利用RBF实现锂离子电池SOH估计的基础上引入PF滤波算法针对其估计结果中存在的噪声问题进行了优化，利用PF优化后的SOH估计结果具有更高的精度。
-
公开(公告)号：CN118938673A
公开(公告)日：2024-11-12
申请号：CN202410995656.5
申请日：2024-07-24
Applicant: 南通大学
Abstract: 本发明提供了一种基于两阶段最小二乘法的连续搅拌反应釜参数辨识方法，属于精细化工过程辨识技术领域，解决了连续搅拌反应釜参数辨识精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立连续搅拌反应釜分数阶Wiener模型；步骤2)构建两阶段加权递推最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的两阶段加权递推最小二乘算法具有较快的收敛速度和较高的收敛精度，能较好的适用于对连续搅拌反应釜的参数辨识。
-
公开(公告)号：CN118914902A
公开(公告)日：2024-11-08
申请号：CN202411134835.6
申请日：2024-08-19
Applicant: 南通大学
IPC: G01R31/392 , G06F18/214 , G06N3/006 , G06N3/0499 , G06F30/27 , G01R31/367 , G01R31/378 , G06F119/02
Abstract: 本申请公开了一种基于降维的智能优化神经网络锂电池SOH预测方法，包括：基于锂离子电池进行间歇恒流放电的实验数据，对实验数据进行降维预处理，获取电池特征样本；获取BP神经网络模型的节点个数；对BP神经网络模型的参数进行优化，获取NOA‑BP神经网络预测模型；基于NOA‑BP神经网络模型，对电池健康状态进行预测并进行结果分析。本申请在神经网络过程中引入智能优化算法，对神经网络各层初始权值进行优化，不仅提升了模型性能和训练效率，更保证了算法在精度及收敛速度上的优越性。最终优化为NOA‑BP神经网络模型，利用其完成SOH预测，辨识精度较高。
-
公开(公告)号：CN118604629A
公开(公告)日：2024-09-06
申请号：CN202410671505.4
申请日：2024-05-28
Applicant: 南通大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供了一种基于多模态分解的锂离子电池SOH估计方法，属于锂离子电池技术领域。解决了卷积神经网络模型可解释性差的技术问题。其技术方案为：包括以下步骤：步骤1)对SOH进行EMD分解，以获得本征模态函数imf和残余信号res；步骤2)构建用于本征模态函数imf和残差信号res估计的2DCNN训练数据集和测试数据集；步骤3)使用2DCNN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2DCNN中进行训练，最终可用于锂离子电池SOH的估计。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
