-
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。
-
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：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：CN112526348A
公开(公告)日：2021-03-19
申请号：CN202011293629.1
申请日：2020-11-18
Applicant: 南通大学
IPC: G01R31/367 , G06N7/00
Abstract: 本发明提供了一种基于多新息递推贝叶斯算法的电池模型参数辨识方法，包括以下步骤：步骤1)通过间歇恒流放电法测取一定时间内的锂离子电池端电压、负载电流数据，通过多项式拟合法确定其OCV‑SOC的函数关系；步骤2)确定锂离子电池的双极化等效电路模型，建立表示电池参数辨识向量和系统输出关系的系统方程；步骤3)构建多新息递推贝叶斯算法的辨识流程。本发明的有益效果为：本发明建立了锂离子电池参数辨识的ARX模型，利用新息修正技术对前一刻的结果进行修正，基于多新息的辨识方法引入了新息长度参量，克服坏数据对参数估计的影响，提高参数估计精度，由参数辨识结果可以看出，本方法辨识精度高，具有工程价值。
-
公开(公告)号：CN111859793B
公开(公告)日：2022-07-15
申请号：CN202010668383.5
申请日：2020-07-13
Applicant: 南通大学
IPC: G06F30/27
Abstract: 本发明提供了一种基于协同引力搜索算法的造纸过程模型辨识方法，具体包括以下步骤：步骤1)构建造纸生产设备的多输入多输出模型，根据所构建的系统模型获取造纸生产过程的辨识模型；步骤2)构建协同引力搜索算法的辨识流程。本发明的有益效果为：使用本发明的协同引力搜索算法的造纸过程模型辨识方法进行的参数辨识结果可以看出，本方法的辨识精度较高，输出的估计误差较小；同时，也说明本辨识方法对于本造纸设备模型有较好的适用性。
-
Patent Agency Ranking
公开(公告)号：CN114062948B
公开(公告)日：2022-05-20
申请号：CN202210025289.7
申请日：2022-01-11
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明提供了一种基于3DCNN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SOC估计方法中3DCNN卷积神经网络难以用于SOC估计的问题。其技术方案为：该方法包括以下步骤：步骤1）通过放电实验，反复测取电流等数据；步骤2）数据预处理并构建数据集；步骤3）通过3DCNN卷积神经网络对数据集进行训练，得到3DCNN模型用于实时估计。本发明的有益效果为：本发明使用的卷积神经网络结构能够发掘相邻放电周期之间同一时间点上输入数据的联系，时间维度上的卷积核不仅能考虑循环次数，还能提取各个循环之间的特征关系，且凭借其高适应能力，还可以进行电池剩余容量、电池剩余寿命等电池各个参数的预测。
-
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
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：CN111859793A
公开(公告)日：2020-10-30
申请号：CN202010668383.5
申请日：2020-07-13
Applicant: 南通大学
IPC: G06F30/27
Abstract: 本发明提供了一种基于协同引力搜索算法的造纸过程模型辨识方法，具体包括以下步骤：步骤1)构建造纸生产设备的多输入多输出模型，根据所构建的系统模型获取造纸生产过程的辨识模型；步骤2)构建协同引力搜索算法的辨识流程。本发明的有益效果为：使用本发明的协同引力搜索算法的造纸过程模型辨识方法进行的参数辨识结果可以看出，本方法的辨识精度较高，输出的估计误差较小；同时，也说明本辨识方法对于本造纸设备模型有较好的适用性。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
