-
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
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：CN118859841A
公开(公告)日：2024-10-29
申请号：CN202410897164.2
申请日：2024-07-05
Applicant: 南通大学
IPC: G05B19/404
Abstract: 本发明提供了一种耦合多变量的非线性刀具磨损监测系统辨识方法，属于刀具磨损系统的辨识技术领域。解决了多变量系统参数量大导致的计算复杂度高和估计精度低的技术问题。其技术方案为：包括如下步骤：步骤1)构建出一个满足多变量Wiener非线性系统的刀具磨损模型，并获得参数向量和参数矩阵不一致情况下的Wiener非线性系统的刀具磨损辨识模型；步骤2)构建出一种基于部分耦合的改进粒子群辨识方法。本发明的有益效果为：本发明首先建立合适的刀具磨损系统模型，并引入部分耦合方法来提高改进粒子群的计算效率和估计精度，对满足多变量Wiener非线性系统的刀具磨损模型的未知参数进行准确估计。
-
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
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
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：CN114237044B
公开(公告)日：2023-07-18
申请号：CN202111432889.7
申请日：2021-11-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于递阶引力搜索的循环流化床锅炉模型辨识方法，属于循环流化床锅炉模型系统辨识技术领域；解决了循环流化床锅炉进行分析、预测的模型问题。其技术方案为：包括如下步骤：步骤1)构建表述循环流化床锅炉床温的多变量状态空间模型，根据所构建的系统模型获取循环流化床锅炉床温的辨识模型；步骤2)构建递阶引力搜索算法的辨识流程。本发明的有益效果是：本发明的方法辨识可显著降低所需辨识信息矩阵及参数向量维度，从而使该方法的计算量大幅降低，本发明的方法辨识精度高，收敛速度快，适用于循环流化床锅炉床温模型的参数辨识。
-
Patent Agency Ranking
公开(公告)号：CN111098755B
公开(公告)日：2023-04-07
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：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
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：CN110175420B
公开(公告)日：2022-12-02
申请号：CN201910466403.8
申请日：2019-05-30
Applicant: 南通大学
IPC: G06F30/25
Abstract: 本发明公开了一种锅炉床温系统时延非线性模型改进粒子群参数辨识方法，包括构建出锅炉床温系统Hammerstein‑Wiener时延非线性模型，获得锅炉床温系统Hammerstein‑Wiener时延非线性模型的辨识模型；构建出改进粒子群优化搜索方法，将非线性系统的识别问题转化为参数空间中的函数优化问题，利用粒子群优化的并行搜索能力实现对所有参数的同时估计，最后分离出线性和非线性参数以及时间延迟。本发明还构建了改进粒子群迭代辨识方法的流程和步骤，可以有效地应用到锅炉床温系统Hammerstein‑Wiener时延非线性模型的参数估计中去，具有一定的工程实际价值。
-
公开(公告)号：CN114566227B
公开(公告)日：2022-11-18
申请号：CN202110878223.8
申请日：2021-07-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于牛顿迭代算法的PH中和过程模型辨识方法，包括以下步骤：步骤1)构建PH中和过程分数阶Hammerstein CAR模型，根据所构建的系统模型获取PH中和过程的辨识模型；步骤2)构建牛顿迭代算法的辨识流程。本发明的有益效果为：使用本发明的牛顿迭代算法的PH值中和过程模型辨识方法进行的参数辨识结果可以看出，该方法的辨识精度较高，输出的参数估计误差较小；同时，也说明本辨识方法对于本PH中和过程模型有较好的适用性。
-
公开(公告)号：CN115033838A
公开(公告)日：2022-09-09
申请号：CN202210741226.1
申请日：2022-06-27
Applicant: 南通大学
Abstract: 本发明提供了一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，属于供水系统辨识技术领域，解决了随机梯度算法收敛速度慢且辨识精度不高的问题。其技术方案为：一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶水箱系统Wiener非线性模型；步骤2)构建遗忘增广随机梯度算法的辨识流程。本发明的有益效果为：本发明提出的遗忘增广随机梯度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水箱系统的建模和参数辨识。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.054 seconds)
