公开(公告)号：CN114995149A

公开(公告)日：2022-09-02

申请号：CN202210665775.5

申请日：2022-06-13

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  蒋一哲 ,  陈楠 ,  程赟 ,  张泓睿 ,  储杰 ,  褚云琨

IPC: G05B13/04

Abstract: 本发明提供了一种液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法，属于液压位置伺服系统辨识技术领域。解决了液压位置伺服系统进行分析和控制时给液压位置伺服系统建立的数学模型，辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立液压位置伺服系统的单输入单输出模型；步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对液压位置伺服系统时滞反馈非线性模型的建模和参数辨识。

公开(公告)号：CN114487845A

公开(公告)日：2022-05-13

申请号：CN202210038879.3

申请日：2022-01-13

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  李磊 ,  褚云琨 ,  宗天成 ,  袁银龙 ,  李政 ,  芮佳丽 ,  严俊 ,  张泓睿

IPC: G01R31/367 ,  G01R31/382 ,  G06N3/04

Abstract: 本发明提供了一种基于融合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。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为：步骤1)将全新锂电池充满电，测取SOC从1到0的锂离子电池的端电压、电流、温度；步骤2)对测取的数据进行预处理；步骤3)使用2DCNN卷积神经网络对新的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：本发明在数据集中加入估计的电池容量数据，能够拥有更高的估计精度，相比较LSTM，不会将误差一直记忆；并且，短的历史数据长度也能拥有更快的估计速度；相较使用3DCNN来估计SOC，能够减少运算量并且减少不必要的误差输入，从而拥有更高的精度。

公开(公告)号：CN114779103B

公开(公告)日：2024-12-17

申请号：CN202210453820.0

申请日：2022-04-24

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  顾菊平 ,  华亮 ,  宗天成 ,  褚云琨 ,  芮佳丽 ,  张泓睿 ,  严俊 ,  肖康

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：CN118112925A

公开(公告)日：2024-05-31

申请号：CN202410133373.X

申请日：2024-01-31

Applicant: 南通大学

Inventor： 宗天成 ,  李俊红 ,  陆国平 ,  严俊 ,  李富超 ,  李亚男 ,  白贵祥 ,  周星宇 ,  段泽霞

IPC: G05B13/04

Abstract: 本发明提供了一种变量误差Wiener系统的碳纤维牵伸过程辨识方法，属于碳纤维牵伸过程的建模技术领域。解决了输入、输出和中间过程均受到噪声干扰的碳纤维牵伸过程的参数估计问题。其技术方案为：包括如下步骤：步骤1)构建出一个基于变量误差Wiener系统的碳纤维牵伸过程模型，并获得碳纤维牵伸过程变量误差Wiener系统辨识模型；步骤2)构建出基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法。本发明的有益效果为：本发明首先建立合适的碳纤维单级牵伸过程的模型，并提出一种基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法，对碳纤维牵伸模型的未知参数进行参数估计。

公开(公告)号：CN116644780A

公开(公告)日：2023-08-25

申请号：CN202310213323.8

申请日：2023-03-07

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  白贵祥 ,  李亚男 ,  宗天成 ,  王娟

IPC: G06N3/0442 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明提供了一种基于SSA‑BiLSTM的压电作动器模型辨识方法，属于压电作动器辨识技术领域。解决了辨识压电作动器模型难度大和精度不高的技术问题。其技术方案为：包括以下步骤：1)通过仿真实验，获得样本数据；2)数据预处理并构建数据集，并将其分为训练集和测试集；3)得到SSA‑BiLSTM模型用于实时估计。本发明的有益效果为：使用的SSA‑BiLSTM长短期记忆神经网络能够通过SSA算法对BiLSTM神经网络的超参数进行寻优，在满足预测模型评价标准的基础上确定BiLSTM神经网络的最优参数，最终得到SSA‑BiLSTM模型用于实时估计。

公开(公告)号：CN116009399A

公开(公告)日：2023-04-25

申请号：CN202310009374.9

申请日：2023-01-03

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  张泓睿 ,  肖康 ,  刘慧霞 ,  袁银龙 ,  白贵祥 ,  李亚男 ,  李富超

IPC: G05B13/04

Abstract: 本发明提供了一种压电作动器控制系统自适应差分进化麻雀搜索辨识方法，属于压电作动器控制系统辨识技术领域。解决了辨识压电作动器控制系统模型参数和时间延迟速度慢和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立压电作动器控制系统的单输入单输出模型；步骤2)构建压电作动器控制系统自适应差分进化麻雀搜索辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的压电作动器控制系统自适应差分进化麻雀搜索辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对压电作动器控制系统时延非线性闭环模型的建模和参数辨识。

公开(公告)号：CN115857322A

公开(公告)日：2023-03-28

申请号：CN202210851565.5

申请日：2022-07-19

Applicant: 南通大学

Inventor： 李俊红 ,  张泓睿 ,  顾菊平 ,  华亮 ,  严俊 ,  肖康 ,  蒋一哲 ,  白贵祥

IPC: G05B13/04

Abstract: 本发明提供了一种基于梯度迭代算法的分数阶流体控制阀系统参数辨识方法，属于流体控制阀系统辨识技术领域，解决了分数阶流体控制阀系统参数辨识精度不高的问题。其技术方案为：一种基于梯度迭代算法的分数阶流体控制阀系统辨识方法，包括以下步骤：步骤1)建立分数阶流体控制阀系统Wiener非线性模型；步骤2)构建梯度迭代算法的辨识流程。本发明的有益效果为：本发明提出的梯度迭代算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶流体控制阀系统的建模和参数辨识。

公开(公告)号：CN115577621A

公开(公告)日：2023-01-06

申请号：CN202211183325.9

申请日：2022-09-27

Applicant: 南通大学

Inventor： 李俊红 ,  肖康 ,  张泓睿 ,  严俊 ,  宗天成 ,  顾菊平 ,  华亮 ,  张新松 ,  李亚男 ,  白贵祥

IPC: G06F30/27 ,  G06N3/00

Abstract: 本发明公开了一种基于改进混沌SCSO算法的太阳日总辐射量模型的辨识方法，属于能源工程系统辨识技术领域。解决了太阳日总辐射量模型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)建立太阳日总辐射量的Box‑Jenkins模型；步骤2)构建改进混沌SCSO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SCSO算法是一种启发式群智能优化算法，其对于太阳日总辐射量模型的辨识效果优于传统算法，同时也比未改进的SCSO算法收敛精度高，可以很好地辨识所提出的Box‑Jenkins模型。

公开(公告)号：CN114239253A

公开(公告)日：2022-03-25

申请号：CN202111491893.0

申请日：2021-12-08

Applicant: 南通大学

Inventor： 李俊红 ,  储杰 ,  杨奕 ,  宗天成 ,  宋伟成 ,  蒋一哲 ,  蒋泽宇 ,  张泓睿 ,  严俊 ,  肖康

IPC: G06F30/20 ,  G06F17/16 ,  G06F17/18 ,  G06F119/10 ,  G06F119/18

Abstract: 本发明提供了一种火工品起爆过程参数辨识方法，属于火工品参数辨识技术领域，解决了梯度下降算法收敛速度慢的问题。其技术方案为：该辨识方法具体包括以下步骤：步骤1)建立火工品起爆过程的Volterra模型；步骤2)构建Levenberg‑Marquardt递推算法的辨识过程。本发明的有益效果为：本发明建立了火工品起爆过程的参数辨识模型，利用Levenberg‑Marquardt递推算法对起爆过程的参数进行辨识，该算法具有收敛速度快、估计精度高的特点，该辨识方法对于火工品起爆过程的参数辨识有较好的适用性。

公开(公告)号：CN117574759A

公开(公告)日：2024-02-20

申请号：CN202311495478.1

申请日：2023-11-10

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  华亮 ,  白贵祥 ,  宗天成 ,  程赟 ,  段雅棋 ,  安振生 ,  夏上钧

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/214 ,  G06F17/10 ,  G01R31/367 ,  G01R31/378 ,  G01R31/382 ,  G01R31/385

Abstract: 本发明提供了一种基于VMD‑BiLSTM的锂电池管理系统辨识方法，属于锂电池管理系统辨识技术领域。解决了辨识锂电池管理系统难度大和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)通过仿真实验，获得样本数据；步骤2)数据预处理并构建数据集，并将其分为训练集和测试集；步骤3)通过VMD‑BiLSTM神经网络对数据集进行训练，得到VMD‑BiLSTM模型用于实时估计。本发明的有益效果为：本发明使用的VMD‑BiLSTM神经网络通过VMD技术分离不同的频率的信号，从而找到不同特征的非线性关系，提升VMD‑BiLSTM神经网络模型的学习能力。