-
公开(公告)号：CN112208389B
公开(公告)日：2022-02-11
申请号：CN202010933951.X
申请日：2020-09-08
Applicant: 北京交通大学 , 中车工业研究院有限公司
IPC: B60L58/10
Abstract: 本发明涉及一种针对车载动力电池的日常便捷检测方法，步骤为：步骤1：基于各个电池单体电压值，通过高斯分布拟合将电压值处于较低概率范围的异常电池单体，赋予异常值；步骤2：在车载动力电池充电全过程中，每间隔n秒，重复步骤1筛选出全部异常电池单体；步骤3：各异常电池单体，逐个对其全部的异常值的绝对值进行累加，得到累加异常值；步骤4：将全部异常电池单体分组对应于异常类型分类，累加异常值作为判断标准；步骤5：根据异常分布变化趋势判断异常情况。本发明，检测简单便捷，成本低，可用于日常的电动汽车动力电池检测，可对车辆当前整体状态进行大致的检测评估，降低车辆因长期缺乏检测而造成较严重事故的可能性。
-
公开(公告)号：CN113884900A
公开(公告)日：2022-01-04
申请号：CN202111066744.X
申请日：2021-09-13
Applicant: 北京交通大学
IPC: G01R31/371
Abstract: 本发明公开了一种三元锂离子电池容量突变点预测方法，从已有的电池加速老化数据中提取与新的电池具有相同加速老化模式的迁移样本，用于训练机器学习模型，最终预测新的电池的容量突变点。锂离子电池容量突变点预测方法包括加速老化模式判断，迁移样本选择以及容量突变点预测。具体为从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线的早期变化曲线上提取表征锂离子电池的健康状态的17个老化特征参数，然后利用机器学习算法对锂离子电池的加速老化模式进行早期诊断，然后根据加速老化模式判断结果从已有的电池加速老化数据中进行样本选择，利用迁移样本训练机器学习模型，最终对新的电池进行容量突变点预测。
-
公开(公告)号：CN112208389A
公开(公告)日：2021-01-12
申请号：CN202010933951.X
申请日：2020-09-08
Applicant: 北京交通大学 , 中车工业研究院有限公司
IPC: B60L58/10
Abstract: 本发明涉及一种针对车载动力电池的日常便捷检测方法，步骤为：步骤1：基于各个电池单体电压值，通过高斯分布拟合将电压值处于较低概率范围的异常电池单体，赋予异常值；步骤2：在车载动力电池充电全过程中，每间隔n秒，重复步骤1筛选出全部异常电池单体；步骤3：各异常电池单体，逐个对其全部的异常值的绝对值进行累加，得到累加异常值；步骤4：将全部异常电池单体分组对应于异常类型分类，累加异常值作为判断标准；步骤5：根据异常分布变化趋势判断异常情况。本发明，检测简单便捷，成本低，可用于日常的电动汽车动力电池检测，可对车辆当前整体状态进行大致的检测评估，降低车辆因长期缺乏检测而造成较严重事故的可能性。
-
公开(公告)号：CN109449541B
公开(公告)日：2020-09-01
申请号：CN201811123950.8
申请日：2018-09-26
Applicant: 北京交通大学
IPC: H01M10/615 , H01M10/625 , H01M10/654
Abstract: 本发明涉及一种锂离子电池变频变幅交流低温自加热方法，包括：确定对锂离子电池寿命无影响的极化电压幅值范围，并根据此范围选取正弦交流极化电压幅值，根据正弦交流极化电压幅值与当前温度下电池内阻确定正弦交流电流幅值；在已选定的正弦交流极化电压幅值下，根据电池阻抗与频率的关系，通过产热功率与频率的关系计算得到当前温度下产热功率最大的频率；根据确定的幅值和频率，利用正弦交流电流信号对电池进行低温自加热；每隔一定温度，在保证恒定的极化电压幅值下，实时补偿正弦交流电流幅值，找到当前温度下的最佳加热频率，改变所施加的正弦交流电流信号的幅值与频率。本发明自加热速率快、对电池使用寿命无影响和加热温度均匀性好。
-
公开(公告)号：CN119763721A
公开(公告)日：2025-04-04
申请号：CN202411543994.1
申请日：2024-10-31
Applicant: 北京交通大学
IPC: G16C20/70 , G01R31/367 , G01R31/392 , G16C20/10 , G16C60/00 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的跨类型电池衰退预测方法。本发明包括：步骤1：分析不同材料电池的放电V‑Q曲线之间的关系，构建描述不同材料电池放电V‑Q曲线间潜在关系的通用数学模型；步骤2：基于不同类型电池V‑Q曲线间的数学模型，设计新的损失函数；步骤3：建立了基于全局注意力机制的LSTM‑seq2seq模型，并用新的损失函数优化模型参数，以重构目标域中电池的V‑Q曲线；步骤4：应用重构后的电池V‑Q数据，以Siamese‑CNN模型为预训练模型，提出了基于迁移的适用于不同类型电池衰退轨迹预测方法。本发明可以基于电池成组使用前少量循环数，实现不同类型电池的衰退轨迹预测。
-
Patent Agency Ranking
公开(公告)号：CN119335428A
公开(公告)日：2025-01-21
申请号：CN202411483277.4
申请日：2024-10-23
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/367 , G06N20/00 , G06N3/0455
Abstract: 本发明提供一种无损保留特征的电池寿命预测方法及系统，属于基于深度学习的锂离子电池寿命预测技术领域，获取待预测电池的参数数据；所述参数数据包括充电数据、放电数据、温度数据和内阻数据；利用预先训练好的预测模型对获取的待预测电池的参数数据进行处理，得到电池寿命预测结果。本发明充分挖掘并利用各类数据中蕴含的老化信息，进行了全面而深入的分析；通过对大量数据特征的筛选和降维处理，在保留关键特征信息的前提下，显著减少了特征维度，降低了模型的复杂度和运行时间，并且提高了寿命预测的精度，确保了预测结果的可靠性和效率。
-
公开(公告)号：CN114976307B
公开(公告)日：2024-10-01
申请号：CN202210489917.7
申请日：2022-05-07
Applicant: 北京交通大学
IPC: H01M10/42 , G01R31/389
Abstract: 本发明公开了一种锂离子电池界面阻抗无损分离方法，该方法基于总阻抗和高频感抗和低频扩散模型重构了反映界面动力学的真实阻抗，使用弛豫时间反卷积技术和等效电路对界面的模型参数进行辨识，通过50％与5％SOC的阻抗数据来实现电极界面动力学模型参数的无损分离，并在三电极阻抗中验证了该技术的有效性。同时，根据电荷转移内阻的变换系数将可分离的SOC的电荷转移内阻转移到对比的SOC，实现了在同一SOC点的特征参数演变规律分析。该方法步骤简单，易于操作，且可靠性高，适用于电动汽车动力电池的电极界面动力学无损诊断。
-
公开(公告)号：CN118708954A
公开(公告)日：2024-09-27
申请号：CN202410700772.X
申请日：2024-05-31
Applicant: 北京交通大学
IPC: G06F18/2135 , G06F18/23213 , G06F17/18 , G06N3/08 , G01R31/392 , G01R31/367 , G01R31/385 , G01R31/388
Abstract: 本发明涉及一种基于实际运行工况的电池寿命快速评估方法，包括：基于实车数据进行实际运行工况的构建与简化；使用主成分分析和K‑means聚类提取典型片段组成的典型运行工况。在此基础上进行工况简化：确定该工况区间内的最大值与最小值；划分区间；求解落平均值使其作为代表值。经实验验证工况简化前后误差仅为0.1％。将得到的简化分工况和由其组成的完整工况对多组电池分别进行寿命循环测试，通过多元线性回归获取对电池寿命衰退影响之间的耦合关系，可用较少的循环次数数据进行模型训练，预测出未来更多次数的全工况电池衰退情况，大幅度减少电池循环寿命测试时间，从而达到了电池寿命快速评估的目的。
-
公开(公告)号：CN113075554B
公开(公告)日：2022-07-05
申请号：CN202110324053.9
申请日：2021-03-26
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京交通大学
IPC: G01R31/367 , G01R31/3835 , G01R31/396
Abstract: 本发明公开了一种基于运行数据的锂离子电池组不一致性辨识方法。本发明包括：步骤1：对实际运行工况中BMS采集到的锂离子电池电压数据进行数据预处理；步骤2：通过电池单体的一阶RC等效电路模型，分析单体SOC、容量两个电池参数与电压曲线变化之间的关系；步骤3：提取电池电压离群率；步骤4：对原始放电段电压进行经验模态分解，提取电池各充放电段电压极差，采用滑动窗口对窗口内的电压极差进行相加；步骤5：基于原始放电段电压，提取放电段电压差分，采用滑动窗口对窗口内的电压差分的绝对值进行相加；步骤6：对提取的电压离群率采用阈值方法辨识电池组不一致性，对提取的电压极差与电压差分采用聚类算法辨识电池组不一致性。
-
公开(公告)号：CN113848493A
公开(公告)日：2021-12-28
申请号：CN202111042948.X
申请日：2021-09-07
Applicant: 北京交通大学
IPC: G01R31/392
Abstract: 本发明公开了一种基于机器学习的三元锂离子电池早期加速老化诊断方法，从三元锂离子电池放电容量‑电压曲线、放电IC曲线和放电DV曲线上提取表征三元锂离子电池的健康状态的17个老化特征参数，然后利用新的组合算法对三元锂离子电池的加速老化进行早期地准确诊断，首先通过随机森林选择重要特征，然后再通过线性相关分析降低重要特征线性相关性，最后通过逻辑回归模型判断加速老化，实现三元锂离子电池的加速老化早期准确诊断，从而在早期判断三元锂离子电池是否会发生加速老化，为锂离子电池的健康状态管理与健康状态评估提供重要的信息。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.016 seconds)
