-
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：CN110286332B
公开(公告)日：2021-06-22
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：CN110688808B
公开(公告)日：2022-06-24
申请号：CN201910904154.6
申请日：2019-09-24
Applicant: 南通大学
IPC: G06F30/25 , G06N3/00 , G01R31/3842 , G01R31/36
Abstract: 本发明提供了一种动力电池模型的粒子群及LM优化混合迭代辨识方法，包括以下步骤：步骤一：通过间歇恒流放电法测取动力电池的电流与电压；步骤二：建立动力电池二阶RC等效电路模型；步骤三：推导动力电池二阶RC等效电路的辨识模型；步骤四：构建PSO‑LM优化混合迭代辨识算法；步骤五：采用PSO‑LM算法确定动力电池模型中的未知参数。本发明的有益效果为：本发明利用粒子群算法优越的群体搜索能力和LM算法较强的局部寻优能力，并克服粒子群算法后期搜索效率不高和LM算法对初值要求高的缺陷，能够迅速收敛到全局最优解，该混合算法具有辨识精度高、收敛速度快、计算准确等特点，完全适用于电动汽车动力锂电池的参数辨识。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN109992907B
公开(公告)日：2023-04-25
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。
-
公开(公告)号：CN110688808A
公开(公告)日：2020-01-14
申请号：CN201910904154.6
申请日：2019-09-24
Applicant: 南通大学
IPC: G06F30/25 , G06N3/00 , G01R31/3842 , G01R31/36
Abstract: 本发明提供了一种动力电池模型的粒子群及LM优化混合迭代辨识方法，包括以下步骤：步骤一：通过间歇恒流放电法测取动力电池的电流与电压；步骤二：建立动力电池二阶RC等效电路模型；步骤三：推导动力电池二阶RC等效电路的辨识模型；步骤四：构建PSO-LM优化混合迭代辨识算法；步骤五：采用PSO-LM算法确定动力电池模型中的未知参数。本发明的有益效果为：本发明利用粒子群算法优越的群体搜索能力和LM算法较强的局部寻优能力，并克服粒子群算法后期搜索效率不高和LM算法对初值要求高的缺陷，能够迅速收敛到全局最优解，该混合算法具有辨识精度高、收敛速度快、计算准确等特点，完全适用于电动汽车动力锂电池的参数辨识。
-
公开(公告)号：CN110175420A
公开(公告)日：2019-08-27
申请号：CN201910466403.8
申请日：2019-05-30
Applicant: 南通大学
IPC: G06F17/50
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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.041 seconds)
