-
公开(公告)号：CN119025909A
公开(公告)日：2024-11-26
申请号：CN202410897762.X
申请日：2024-07-05
Applicant: 江苏大学
IPC: G06F18/214 , G01R31/36 , G01R31/367 , G01R31/382 , G01R31/385 , G01R31/396 , G01R31/378 , G01R31/3842 , G06N3/006 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于长鼻浣熊优化算法优化NARX神经网络的动力电池组SOH估算方法，由电池组电流的峰谷值及其对应的位置、电池组温度在夏/冬季的峰谷值及其对应的位置、电池组电压、电池组电流不均匀位置及其对应的数值，构建第一数据集，将第一数据集进行归一化处理，得到第二数据集；将第二数据集中电池组各数据看成长鼻浣熊，执行长鼻浣熊优化算法，输出最佳解，基于最佳解构建第三数据集；利用第三数据集训练和测试构建好的NARX神经网络，在实际使用时，将实时采集的动力电池组的BMS数据输入训练好后的NARX神经网络，得到动力电池组SOH的预测结果。本发明能提高动力电池组SOH估算的准确性。
-
公开(公告)号：CN114243855B
公开(公告)日：2023-10-10
申请号：CN202111610476.3
申请日：2021-12-27
Applicant: 江苏大学
Abstract: 本发明提供了一种动力电池模组均衡系统及其控制方法，当需要进行均衡时，均衡控制模块通过电池单体的电压巡检数据和串联电池模组的容量，计算通过串联电池模组的电流，进而确定电池单体的SOC，电池单体SOC最大值SOCmax分别与其余电池单体作差，判定需进行均衡补电的电池单体，根据均衡补电时间，控制开关选择控制电路接通相应端口，对需要均衡补电的电池单体分别进行补电。本发明中无电流采样的串联电池模组电流估计方法，能够消除电流采样的累计误差，简化检测电路；该方法可精确计算均衡补电量从而对需均衡补电的电池单体进行针对性快速补电；本发明可大幅提高均衡的效率与速度，提升电池模组的容量利用率。
-
公开(公告)号：CN115774929A
公开(公告)日：2023-03-10
申请号：CN202211471881.6
申请日：2022-11-23
Applicant: 江苏大学
IPC: G06F30/20 , G06F30/15 , G06F17/16 , B60L58/10 , B60L58/26 , G06F119/08 , G06F119/06 , G06F119/04 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种考虑节能和电池寿命的电动汽车热管理控制系统及方法，该电动汽车热管理控制系统包括工况预测模块、能效比预测模块、热管理控制器、状态监测模块和执行模块；工况预测模块根据当前行驶场景获取未来行驶工况；状态监测模块对整车状态进行获取和存储；能效比预测模块根据未来行驶工况，得到能效比预测序列；热管理控制器将热管理能耗、电池寿命和乘员舱温度作为目标函数对热管理系统控制量进行决策，输出控制指令至执行模块以实现控制闭环。本发明实现了热管理系统复杂系统的线性化，提高计算效率。
-
公开(公告)号：CN114325393A
公开(公告)日：2022-04-12
申请号：CN202111626395.2
申请日：2021-12-28
Applicant: 江苏大学
IPC: G01R31/36 , G01R31/385 , G01R31/392 , G06K9/62 , G06N3/00
Abstract: 本发明提供了一种基于PF和GPR的锂离子电池组SOH自适应估算方法，基于LSTM对锂离子电池充放电数据进行预处理，基于GPR预测锂离子电池组基础健康状态SOHcal，基于PF预测最高电压电池单体和最低电压电池单体达到充电截止电压时容量状态预测值，利用所述容量状态预测值迭代更新预测值SOHcal，得到锂离子电池组健康状态SOH，基于预测结果对应的估算不确定度，确定锂离子电池组SOH的估算结果。本发明能显著提高锂离子电池健康状态的估算精度。
-
公开(公告)号：CN111103544B
公开(公告)日：2021-12-21
申请号：CN201911368020.3
申请日：2019-12-26
Applicant: 江苏大学
IPC: G01R31/367 , G01R31/392 , G06K9/62 , G06F17/10 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于长短时记忆LSTM和粒子滤波PF的锂离子电池剩余使用寿命预测方法，属于新能源电动汽车锂离子电池剩余使用寿命预测领域，具体步骤如下：分析从锂离子电池电压、电流和温度中提取锂离子电池性能退化特征参数，利用改进主成分分析法融合特征参数作为锂离子电池健康指数，充分表征锂离子电池性能退化特征且不含冗余信息；训练基于长短时记忆神经网络的锂离子电池容量预测模型预测锂离子电池容量，以LSTM预测模型的容量预测值作为粒子滤波预测模型的观测值，在粒子滤波算法的每一步迭代过程中调整更新容量预测值，比较容量预测值和容量失效阈值从而预测锂离子电池剩余使用寿命。本发明能有效监控和预测锂离子电池性能退化过程。
-
Patent Agency Ranking
公开(公告)号：CN111965544A
公开(公告)日：2020-11-20
申请号：CN202010693511.1
申请日：2020-07-17
Applicant: 江苏大学
IPC: G01R31/367 , G01R31/388 , G01R31/396
Abstract: 本发明公开了基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，本发明考虑到并联单体电池差异导致支路电流差异，引起各单体电池SOC差异，为了保证并联各单体电池安全，研究基于电压及电流双约束的双扩展卡尔曼滤波(Dual Extended Kalman Filter,DEKF)算法的电池模型参数与SOC联合估计的关键技术，实现以最小SOC为包络线的并联电池SOC估计。主要包括：建立并联电池的电路模型及数学描述方程、制定并联电池SOC估计流程、进行常规状态下并联电池SOC估计及差异状态下并联电池SOC估计。结果表明，本发明实现了以最小SOC为包络线的并联电池SOC估计，估计误差在常规状态下达到1％以内，在差异状态下能够逐步稳定在5％以内。
-
公开(公告)号：CN111401547A
公开(公告)日：2020-07-10
申请号：CN202010116343.X
申请日：2020-02-25
Applicant: 江苏大学
Abstract: 本发明公开了一种面向乘客流分析的基于循环学习单元的HTM设计方法，面向乘客流分析应用，在使用HTM分析乘客流时，提出使用面向乘客流分析的基于循环学习单时间池方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，加强HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能；通过循环学习单元的训练方法，使得循环学习单元能学习乘客流数据中包含的特性，实现HTM对同时蕴含时间跨度较短和较长规律的乘客流更强的学习能力。本发明提高了HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能，从而保证了在处理同时蕴含时间跨度较短和较长规律的乘客流时HTM的有效性和实用性。
-
公开(公告)号：CN111382840A
公开(公告)日：2020-07-07
申请号：CN202010115996.6
申请日：2020-02-25
Applicant: 江苏大学
Abstract: 本发明公开了一种面向自然语言处理的基于循环学习单元的HTM设计方法，针对自然语言处理应用，在使用HTM分析自然语言时，提出使用面向自然语言处理的基于循环学习单元的HTM设计方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，实现对蕴含无规律时间跨度大关联的自然语言的更好的学习；通过循环学习单元的训练方法，使得循环学习单元能学习自然语言语料中包含的特性，实现HTM对蕴含无规律时间跨度大关联的自然语言更强的学习能力。本发明提高了HTM对蕴含无规律时间跨度大关联的自然语言的学习功能，从而保证了在处理蕴含无规律时间跨度大关联的自然语言时HTM的有效性和实用性。
-
公开(公告)号：CN111327092A
公开(公告)日：2020-06-23
申请号：CN202010094281.7
申请日：2020-02-15
Applicant: 江苏大学
Abstract: 本发明提供了一种电动汽车动力电池均衡控制电路，均衡控制电路包括制动能量回收电路、储能电容预充预放电路、储备电池升压降压电路以及均衡控制子电路，用于实现驱动时动力电池的SOC值均衡控制，同时对静置和充电状态下的动力电池也可以实现均衡控制。本发明还提供一种电动汽车动力电池均衡控制方法，在动力电池对负载供电时，使用储备电池临时代替动力电池组中需要均衡的单体电池实现对外供电，进而实现均衡控制。本发明可提高电动汽车的能量利用率，具有减少能量损耗、延长电池使用寿命等优点。
-
公开(公告)号：CN110346734A
公开(公告)日：2019-10-18
申请号：CN201910531963.7
申请日：2019-06-19
Applicant: 江苏大学
IPC: G01R31/388 , G01R31/367 , G01R31/392 , G06F17/50 , H01M10/42
Abstract: 本发明公开了一种基于机器学习的锂离子动力电池健康状态估算方法，用于实时估算动力电池的荷电状态和健康状态。通过建立锂离子电池的等效电路模型，对其进行参数辨识，再建立Uoc-SOC模型，并估算SOC。使用大量离线数据训练得到以Uoc-SOC模型参数为输入，最大可用容量为输出的神经网络模型。对同一时刻的Uoc与SOC进行曲线拟合，得到模型中的待辨识参数，将其输入到训练得到的神经网络模型，得到最大可用容量，并将得到的Uoc-SOC模型参数及最大可用容量返回到SOC估算步骤，更新其状态方程和观测方程的参数。本发明提出一种锂离子电池健康状态估算方法，对电池健康状态进行在线估算，并对SOC估算进行了参数更新，提高了其估算精度。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.03 seconds)
