-
公开(公告)号：CN118393361B
公开(公告)日：2025-02-14
申请号：CN202410502836.5
申请日：2024-04-25
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/378 , G01R31/374 , G01R31/385 , G01R31/392 , G01R31/396
Abstract: 本发明涉及锂电池放电容量估算技术领域，且公开了一种无温度传感器的锂电池放电容量估算方法获取锂离子电池老化数据：对锂离子电池进行循环充放电测试，直到放电容量低于标称容量的80%，实时记录电池充放电过程中电压、电流、温度、荷电状态和放电容量数据，并对数据进行处理，依次经过TCN‑GRU模型和transformer模型，进行预测。该无温度传感器的锂电池放电容量估算方法通过在没有温度传感器的情况下利用TCN‑GRU模型预测电池温度，然后提取预测得到的温度值计算充电过程温度平均值和温度增量曲线的峰值作为输入，利用transformer估算电池容量，进而实现在没有温度传感器下得到较为精确的容量值，降低电池管理系统成本。
-
公开(公告)号：CN118033457A
公开(公告)日：2024-05-14
申请号：CN202410202656.5
申请日：2024-02-23
Applicant: 重庆理工大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 本发明涉及锂离子电池技术领域，且公开了一种考虑用户充电行为的锂离子电池健康状态估算方法首先采集实车循环充电过程中的数据，对采集的充电数据进行分析，之后在循环过程中提取电池充电过程的数据作为健康特征，通过得到的健康特征对健康状态估算模型进行建立，通过建立的模型对电池健康状态进行估算。该考虑用户充电行为的锂离子电池健康状态估算方法通过对用户的充电数据进行读取，并对起始电压和终止电压的出现次数和频率进行统计，整合成热力图，并绘制充放电过程的IC曲线，使得任意的充电行为均能够提取到电池老化的健康特征，并根据建立的TCN‑BiGRU模型对电池健康值进行预测，从而完成对锂离子电池健康状态进行估计。
-
公开(公告)号：CN117761558A
公开(公告)日：2024-03-26
申请号：CN202311658382.2
申请日：2023-12-06
Applicant: 重庆理工大学
IPC: G01R31/392 , G01R31/378
Abstract: 本发明涉及锂电池技术领域，且公开了一种基于多学习机融合的锂电池健康状态估算方法及装置，通过获取实车锂电池充放电循环数据集，通过数据分析提取充电过程电压和温度；获取目标锂电池健康特征信息集，通过计算得出健康特征变化，获取锂电池健康特征选取，得到电压极差的中位数与电池健康状态相关性最大，构建实车锂电池健康状态估算模型，采用神经网络模型和残差模型补偿日历时间和温度的预测减小误差，综合循环寿命对剩余寿命和电池状态预测结果分析。该基于多学习机融合的锂电池健康状态估算方法及装置可在环境温度变化和电池不同运行方式情况下对实车锂离子电池剩余使用寿命以及健康状态进行精确估计，提高了锂电池健康状态评估和寿命预测的准确性。
-
公开(公告)号：CN118862424B
公开(公告)日：2025-03-07
申请号：CN202410847702.7
申请日：2024-06-27
Applicant: 重庆理工大学
IPC: G06F30/20 , F01N11/00 , G16C10/00 , G16C20/10 , G16C20/20 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明涉及柴油机节能减排技术领域，且公开了一种柴油机瞬态工况下各催化反应器与耦合后处理系统之间相互作用的分析方法对柴油机开展瞬态工况下的台架试验，搭建柴油机性能仿真模型搭建后处理系统仿真模型，并进行表面化学反应机理进行简化，通过对后处理系统仿真模型仿真得到柴油机后处理转化效率、各催化器对各组分的影响特性以及催化器与耦合后处理系统的相互作用和碳烟排放的捕捉率。该方法通过对各催化器表面化学反应机理进行简化，并将校核准确的发动机模型的部分原排组分输出和台架实验测量的其他组分作为后处理系统的入口边界条件，有效地研究柴油机后处理系统的对排放污染物的转化效率以及各催化反应器与耦合后处理系统之间的相互作用。
-
公开(公告)号：CN118683268A
公开(公告)日：2024-09-24
申请号：CN202410752489.1
申请日：2024-06-12
Applicant: 重庆理工大学
Abstract: 本发明涉及燃料电池混合动力汽车热管理技术领域，且公开了一种燃料电池混合动力汽车热管理控制方法。该燃料电池混合动力汽车热管理控制方法燃料电池混合动力汽车多输入多输出、复杂非线性的系统情况下利用MPC控制冷却液流量来保证各部件在正常工作温度范围，然后将各部件进出口温度作为状态变量，将各部件水泵冷却液流量作为控制量，利用MPC控制器控制协调各部件温度，并考虑各回路热管理系统的关联性，提高燃料电池混合动力汽车的整体性能。
-
Patent Agency Ranking
公开(公告)号：CN119738740A
公开(公告)日：2025-04-01
申请号：CN202411839464.1
申请日：2024-12-13
Applicant: 重庆理工大学
IPC: G01R31/392 , G06N3/0442 , G06N3/045 , G01R31/385 , G01R31/367
Abstract: 本发明涉及锂离子电池技术领域，公开了一种融合局部和全局依赖信息的锂电池健康状态估计方法。首先，采集电池在充电过程中生成的容量增量曲线数据，对提取出的容量增量曲线进行指数滑动滤波，再结合容量增量曲线与充电电压曲线的信息，提取出电压曲线切线角度特征，以解决容量增量(Incremental Capacity，IC)曲线峰值消失和滤波后数据失真的问题。接着，融合长短期记忆网络(Long Short‑Term Memory，LSTM)与Informer模型，构建并联模型结构，分别提取电池衰退过程中的局部依赖和全局信息，实现对电池局部和全局依赖信息的全面捕捉。然后，在模型中加入自注意力机制层将局部和全局时序信息进行融合，从而建立一种LSTM‑Informer‑SA电池健康状态估计模型，并基于此模型实现对锂离子电池SOH估计。
-
公开(公告)号：CN119716555A
公开(公告)日：2025-03-28
申请号：CN202411644339.5
申请日：2024-11-18
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/388 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本申请公开了一种基于TCN‑GRU神经网络模型和迁移学习的锂离子电池SOC估计方法，可以有效地缩短电池测试周期，降低BMS成本，特别是当目标电池的训练数据不足和在BMS开发的早期阶段。该方法包括：获取源电池在不同放电条件和环境条件下的测量数据作为源域数据集；针对源域中的电池行为，采用TCN‑GRU框架将电池的电流、SOC和温度作为模型输入，电池的电压作为模型输出构建CN‑GRU神经网络模型，并使用源域数据集中的数据对构建好的TCN‑GRU神经网络模型进行预训练；针对目标域的电池行为，采用迁移学习技术对TCN‑GRU神经网络模型进行扩展，对来自目标域的数据进行微调，以适应目标电池的特定特性，得到扩展后的TCN‑GRU神经网络模型；构造平方根容积卡尔曼滤波SRCKF算法估计SOC。
-
公开(公告)号：CN118683268B
公开(公告)日：2025-01-10
申请号：CN202410752489.1
申请日：2024-06-12
Applicant: 重庆理工大学
Abstract: 本发明涉及燃料电池混合动力汽车热管理技术领域，且公开了一种燃料电池混合动力汽车热管理控制方法。该燃料电池混合动力汽车热管理控制方法燃料电池混合动力汽车多输入多输出、复杂非线性的系统情况下利用MPC控制冷却液流量来保证各部件在正常工作温度范围，然后将各部件进出口温度作为状态变量，将各部件水泵冷却液流量作为控制量，利用MPC控制器控制协调各部件温度，并考虑各回路热管理系统的关联性，提高燃料电池混合动力汽车的整体性能。
-
公开(公告)号：CN118033457B
公开(公告)日：2024-08-16
申请号：CN202410202656.5
申请日：2024-02-23
Applicant: 重庆理工大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 本发明涉及锂离子电池技术领域，且公开了一种考虑用户充电行为的锂离子电池健康状态估算方法首先采集实车循环充电过程中的数据，对采集的充电数据进行分析，之后在循环过程中提取电池充电过程的数据作为健康特征，通过得到的健康特征对健康状态估算模型进行建立，通过建立的模型对电池健康状态进行估算。该考虑用户充电行为的锂离子电池健康状态估算方法通过对用户的充电数据进行读取，并对起始电压和终止电压的出现次数和频率进行统计，整合成热力图，并绘制充放电过程的IC曲线，使得任意的充电行为均能够提取到电池老化的健康特征，并根据建立的TCN‑BiGRU模型对电池健康值进行预测，从而完成对锂离子电池健康状态进行估计。
-
公开(公告)号：CN119104900A
公开(公告)日：2024-12-10
申请号：CN202411102164.5
申请日：2024-08-12
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G01R31/378 , G01R31/388 , G06F18/10 , G06N3/0455 , G06N3/0464 , G06N3/0985 , G06N7/01 , G06F18/213
Abstract: 本发明涉及锂离子电池健康状态估算技术领域，且公开了一种基于贝叶斯优化CNN‑Transformer的锂离子电池健康状态估算方法获取锂离子电池老化数据：电池充放电电压、电流、时间和容量数据，联合CNN和Transformer模型搭建CNN‑Transformer混合模型，并进行超参数优化，对CNN‑Transformer混合模型训练，输入等间隔电压充电时间量，输出电池健康状态。该方法通过分析电池充电电压曲线，将曲线进行区间划分，提取部分电压充电时间作为健康特征，利用CNN‑Transformer对SOH进行估算，并利用贝叶斯优化方法搜索最优CNN‑Transformer算法超参数，从而在更少的评估次数下高效探索超参数空间，相较于传统超参数优化方法能更智能的选择超参数，更快找到全局最优解。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
