-
公开(公告)号：CN102914745A
公开(公告)日：2013-02-06
申请号：CN201210229069.2
申请日：2012-07-02
Applicant: 北京工业大学
IPC: G01R31/36
Abstract: 本发明涉及电池技术领域，特别是车用动力电池性能状态的评定方法。本发明通过对车用动力电池（包括铅酸电池、镍氢电池、锂离子电池、燃料电池和超级电池等）进行二阶等效电路建模，将电池性能状态（荷电状态SOC和健康状态SOH）转化为等效电路模型参数。利用Origin软件中二阶指数衰减拟合方法处理车用动力电池脉冲充放电实验结果，从而得到动力电池中的等效电阻和等效电容参数。建立动力电池模型参数与电池性能状态的数据库，作为实车运行过程中评定电池性能状态的依据，有利于优化电源管理，及早发现问题，避免事故的发生。
-
公开(公告)号：CN119294484A
公开(公告)日：2025-01-10
申请号：CN202411164406.3
申请日：2024-08-23
Applicant: 北京工业大学
IPC: G06N5/01 , G06N20/20 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种用于电池健康状态估计的健康因子选择方法，该方法通过应用随机森林算法对电池的健康因子进行筛选，其中决策树的数量确定为100棵。使用有放回的抽样方法从健康因子数据集中抽取袋内数据构建和训练决策树。应用袋外数据对健康因子进行决策树模型的原始数据误差和重排列误差计算，根据两种误差的差值对健康因子进行重要性评分，从而可为电池挑选出与健康状态最相关的5个健康因子。该算法不仅可以揭示电池健康状态与健康因子的非线性关系，将选择的健康因子作为输入，采用长短期记忆网络模型预测每块电池的健康状态值，还可得到更为准确的估计结果。本方法对于预测电池健康状态发展有重要意义。
-
公开(公告)号：CN114839536A
公开(公告)日：2022-08-02
申请号：CN202210352554.2
申请日：2022-04-05
Applicant: 北京工业大学
IPC: G01R31/367 , G01R31/392 , G06F17/18
Abstract: 本发明公开了一种基于多健康因子的锂离子电池健康状态估计方法，属于电池管理技术领域，主要解决在快速充电条件下电池健康状态估计精度不高的问题。基于电池快速充放电循环实验中的电压和电流测试数据，从恒流充电过程中提取健康因子组成特征向量，特征向量包含充电过程中局部电压区间内的充电时间、充电能量和信息熵。以特征向量为输入，电池SOH为输出建立高斯过程回归预测模型，并用实验数据对高斯过程回归模型进行训练。在线状态下，获取输入特征向量，输入到已训练的高斯过程回归模型中，可以对电池SOH进行预测。本发明不需要建立复杂的电池物理模型，通过数据驱动的方法，可实现电池SOH在线评估，具有非常高的精确度和较好的通用性。
-
公开(公告)号：CN113489083A
公开(公告)日：2021-10-08
申请号：CN202110626598.5
申请日：2021-06-04
Applicant: 北京工业大学
Abstract: 一种基于升降压变换器的串联锂离子电池组的层级均衡控制方法属于锂离子电池均衡技术领域。针对串联锂离子电池组在使用的过程当中出现单体电池不一致而导致电池组能量利用率下降、寿命缩短等问题，在升降压变换器电路的基础上，设计一种串联锂离子电池组的层级均衡电路，该均衡电路包括三级：相邻单体电池之间的均衡、相邻小模组之间的均衡以及相邻大模组之间的均衡。该均衡系统以电池的荷电状态(SOC)为均衡变量，通过比较各单体电池以及模组之间的SOC差值并确定需要均衡的单体电池或电池模组，进而通过控制均衡开关进行整个电池组的均衡，本发明能够缩短均衡时间，提高均衡效率，有效地实现锂离子电池组的一致性，延长电池组的使用寿命。
-
公开(公告)号：CN103293485A
公开(公告)日：2013-09-11
申请号：CN201310232146.4
申请日：2013-06-10
Applicant: 北京工业大学
IPC: G01R31/36
Abstract: 基于模型的蓄电池荷电状态估计方法涉及电池技术领域。本发明包括：数据采集、模型选取、参数辨识、仿真验证和状态估计。通过动态工况实验，采集电流、电压数据；选取等效电路模型（二阶RC模型）作为动力电池模型；采用含遗传因子的递推最小二乘算法作为实时参数辨识方法；以辨识结果搭建仿真电池模型，将采集电流值作为已知量输入模型，得到电池端电压的估计值，与实验数据比较，并完成误差分析，验证模型的合理性和辨识方法的准确性；将辨识参数与SOC建立对应关系，从而通过实时辨识参数来估计电池的荷电状态SOC。另外，在已知电池SOC的前提下，若在线辨识参数超过与其对应的合理参数值范围时，可认为电池出现较大衰退现象，存在安全隐患。
-
Patent Agency Ranking
公开(公告)号：CN102267368A
公开(公告)日：2011-12-07
申请号：CN201110112054.3
申请日：2011-04-29
Applicant: 北京工业大学
IPC: B60K6/36
CPC classification number: Y02T10/6221
Abstract: 本发明涉及一种动力耦合机构，适用于轻型并联式混合动力汽车双能源动力输入和多动力输出的传动机构，属于动力传动领域。本机构包括前排太阳轮、后排太阳轮、齿圈、行星架和长、短行星齿轮机构及离合器和制动器等。其动力由后排太阳轮、行星架输入，从前排太阳轮和齿圈输出，并可通过离合器C1、C2，制动器B1、B2的组合运用实现包括：纯电动模式、停车充电模式、发动机起动模式、联合驱动行驶模式、再生制动模式和发动机单独运行模式等工作模式，以最大限度降低整个系统的排放，提高能量利用效率。
-
公开(公告)号：CN117406110A
公开(公告)日：2024-01-16
申请号：CN202311529542.3
申请日：2023-11-16
Applicant: 北京工业大学
IPC: G01R31/385 , G01R31/392 , G01R31/367 , G01R31/36
Abstract: 本发明公开了基于寿命预诊断和迁移学习的锂离子电池SOH估计方法，提取电池寿命特征值，利用两个聚类中心电池的历史循环数据建立电池SOH的门控循环神经网络GRU预测模型，输入为电池1C倍率恒流充电时间和1C倍率恒流充电平均电压，输出为电池SOH。对待估计电池，要在早期循环数据中提取寿命特征，进行寿命类别判断，匹配相应的SOH预测模型；再利用早期循环数据对预测模型进行迁移学习，继而在迁移学习后的模型基础上，循环数据包括电池1C倍率恒流充电时间和1C倍率恒流充电平均电压作为输入，进行SOH估计。估计方法建立在既有模型基础上，不需要对每个电池进行数据模型建模，在保障估计精度的前提下节约了时间成本。
-
公开(公告)号：CN112331953A
公开(公告)日：2021-02-05
申请号：CN202011162623.0
申请日：2020-10-27
Applicant: 北京工业大学
IPC: H01M10/613 , H01M10/617 , H01M10/625 , H01M10/643 , H01M10/6551 , H01M10/6556 , H01M10/6561 , H01M50/213 , H01M50/244 , H01M50/249
Abstract: 本发明公开了一种基于双直角梯形散热室的电动汽车电池箱，属于电动汽车电池散热领域。电池箱结构包括箱体、盖板和内部隔板，隔板可插入箱体两侧的键槽中得以固定。电池通过顶部支架和底部支架固定于箱体内部，并由隔板分为呈直角梯形排列的均匀两组。箱体的两侧各开有一对进风口和出风口，且进风口面积大于出风口面积；由文丘里效应，风道截面积不断变小，空气也在散热室中处于加速状态，从而使后排电池单体的散热得到改善；此外，由于两对进风口和出风口呈中心对称分布，出风口处已被加热的空气，也可通过隔板与同侧进风口处未被加热的空气进行热交换，从而使电池单体之间的温度分布更加均匀。主要用于电动汽车。
-
公开(公告)号：CN109444762B
公开(公告)日：2021-01-08
申请号：CN201811263259.X
申请日：2018-10-28
Applicant: 北京工业大学
IPC: G01R31/392 , G01R31/387 , G01R31/385
Abstract: 本发明公开了一种基于数据融合的锂离子电池健康状态估计方法，涉及动力电池健康状态估计领域。为了准确估计锂离子电池健康状态而提出的方法。通过采用较为稳定的电池充电过程数据，采用数据融合的方法，估计电池的健康状态，与实际情况比较符合。本发明方法可以适用于各种工况的锂离子电池，包括但不限于全放电工况，部分放电工况，不同放电电流工况；能补偿由于温度和机械震动等外界因素造成的影响。本发明方法可以适用于不同正极材料锂离子电池。本发明方法可以降低因工况不同所造成的某些性能参数的效度降低带来的预测误差，提高电池健康状态预测精度，为电池管理系统提供预警信息并保障动力机械安全可靠运行。
-
公开(公告)号：CN110398697A
公开(公告)日：2019-11-01
申请号：CN201910668127.3
申请日：2019-07-23
Applicant: 北京工业大学
IPC: G01R31/392 , G01R31/378 , G01R31/367 , G01R31/388
Abstract: 本发明公开了一种基于充电过程的锂离子健康状态估计方法在离线状态下，通过锂离子循环充放电实验获取电压、电流和时间等实验数据，从恒流充电过程中提取特征向量，特征向量为恒流充电过程中局部电压区间[Va,Vb]的时间间隔(恒流充电中，电压从Va到Vb所需要的时间)。并通过灰色关联度分析和高斯过程回归模型对提取的特征向量进行筛选，获取最优特征向量所属的电压区间和其训练模型。在线状态下，获取离线状态下得到的电压区间的时间间隔，作为输入特征向量，输入到已训练的高斯过程回归模型中，得到电池SOH。本发明不需要建立复杂的等效电路模型，通过数据驱动的方法，可在线对电池SOH进行估计，具有非常好的精确度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
