-
公开(公告)号：CN114779103B
公开(公告)日：2024-12-17
申请号：CN202210453820.0
申请日：2022-04-24
Applicant: 南通大学
IPC: G01R31/385 , G01R31/367 , G06N3/02
Abstract: 本发明提供了一种基于时滞卷积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。解决了不能够将时滞与卷积神经网络直接结合的技术问题。其技术方案为：包括以下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流和温度；步骤2)对测取的数据进行预处理，构建用于SOC估计的时滞卷积神经网络训练数据集和测试数据集；步骤3)使用时滞卷积神经网络对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：本发明中的时滞卷积神经网络能够考虑更多的数据且能够拥有更高的估计精度。
-
公开(公告)号：CN116009399A
公开(公告)日：2023-04-25
申请号：CN202310009374.9
申请日：2023-01-03
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种压电作动器控制系统自适应差分进化麻雀搜索辨识方法，属于压电作动器控制系统辨识技术领域。解决了辨识压电作动器控制系统模型参数和时间延迟速度慢和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立压电作动器控制系统的单输入单输出模型；步骤2)构建压电作动器控制系统自适应差分进化麻雀搜索辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的压电作动器控制系统自适应差分进化麻雀搜索辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对压电作动器控制系统时延非线性闭环模型的建模和参数辨识。
-
公开(公告)号：CN115857322A
公开(公告)日：2023-03-28
申请号：CN202210851565.5
申请日：2022-07-19
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于梯度迭代算法的分数阶流体控制阀系统参数辨识方法，属于流体控制阀系统辨识技术领域，解决了分数阶流体控制阀系统参数辨识精度不高的问题。其技术方案为：一种基于梯度迭代算法的分数阶流体控制阀系统辨识方法，包括以下步骤：步骤1)建立分数阶流体控制阀系统Wiener非线性模型；步骤2)构建梯度迭代算法的辨识流程。本发明的有益效果为：本发明提出的梯度迭代算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶流体控制阀系统的建模和参数辨识。
-
公开(公告)号：CN115577621A
公开(公告)日：2023-01-06
申请号：CN202211183325.9
申请日：2022-09-27
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进混沌SCSO算法的太阳日总辐射量模型的辨识方法，属于能源工程系统辨识技术领域。解决了太阳日总辐射量模型参数辨识精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立太阳日总辐射量的Box‑Jenkins模型；步骤2)构建改进混沌SCSO算法的辨识流程。本发明的有益效果为：本发明提出的改进混沌SCSO算法是一种启发式群智能优化算法，其对于太阳日总辐射量模型的辨识效果优于传统算法，同时也比未改进的SCSO算法收敛精度高，可以很好地辨识所提出的Box‑Jenkins模型。
-
公开(公告)号：CN115033838A
公开(公告)日：2022-09-09
申请号：CN202210741226.1
申请日：2022-06-27
Applicant: 南通大学
Abstract: 本发明提供了一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，属于供水系统辨识技术领域，解决了随机梯度算法收敛速度慢且辨识精度不高的问题。其技术方案为：一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶水箱系统Wiener非线性模型；步骤2)构建遗忘增广随机梯度算法的辨识流程。本发明的有益效果为：本发明提出的遗忘增广随机梯度算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶水箱系统的建模和参数辨识。
-
Patent Agency Ranking
公开(公告)号：CN114239253A
公开(公告)日：2022-03-25
申请号：CN202111491893.0
申请日：2021-12-08
Applicant: 南通大学
IPC: G06F30/20 , G06F17/16 , G06F17/18 , G06F119/10 , G06F119/18
Abstract: 本发明提供了一种火工品起爆过程参数辨识方法，属于火工品参数辨识技术领域，解决了梯度下降算法收敛速度慢的问题。其技术方案为：该辨识方法具体包括以下步骤：步骤1)建立火工品起爆过程的Volterra模型；步骤2)构建Levenberg‑Marquardt递推算法的辨识过程。本发明的有益效果为：本发明建立了火工品起爆过程的参数辨识模型，利用Levenberg‑Marquardt递推算法对起爆过程的参数进行辨识，该算法具有收敛速度快、估计精度高的特点，该辨识方法对于火工品起爆过程的参数辨识有较好的适用性。
-
公开(公告)号：CN118938673A
公开(公告)日：2024-11-12
申请号：CN202410995656.5
申请日：2024-07-24
Applicant: 南通大学
Abstract: 本发明提供了一种基于两阶段最小二乘法的连续搅拌反应釜参数辨识方法，属于精细化工过程辨识技术领域，解决了连续搅拌反应釜参数辨识精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立连续搅拌反应釜分数阶Wiener模型；步骤2)构建两阶段加权递推最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的两阶段加权递推最小二乘算法具有较快的收敛速度和较高的收敛精度，能较好的适用于对连续搅拌反应釜的参数辨识。
-
公开(公告)号：CN118297097A
公开(公告)日：2024-07-05
申请号：CN202410420831.8
申请日：2024-04-09
Applicant: 南通大学
Abstract: 本申请公开了基于递阶极大似然和粒子群的电液伺服模型参数估计方法，包括以下步骤：建立电液伺服位置反馈非线性系统模型；收集电液伺服位置系统的电压信号数据和位移数据分别作为输入数据以及输出数据，将电液伺服位置反馈非线性系统分解为线性的第一子系统以及非线性的第二子系统；初始化极大似然LM和改进粒子群方法；基于输入数据以及输出数据，获取电液伺服位置反馈非线性系统的参数。本申请首先建立合适的电液伺服位置反馈非线性模型，并提出一种基于递阶极大似然LM和粒子群的辨识方法，对电液伺服位置反馈非线性模型的未知参数进行估计。
-
公开(公告)号：CN115033838B
公开(公告)日：2024-06-25
申请号：CN202210741226.1
申请日：2022-06-27
Applicant: 南通大学
Abstract: 本发明提供了一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，属于供水系统辨识技术领域，解决了随机梯度算法收敛速度慢且辨识精度不高的问题。其技术方案为：一种基于遗忘增广随机梯度算法的分数阶水箱辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶水箱系统Wiener非线性模型；步骤2)构建遗忘增广随机梯度算法的辨识流程。本发明的有益效果为：本发明提出的遗忘增广随机梯度算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶水箱系统的建模和参数辨识。
-
公开(公告)号：CN116819330A
公开(公告)日：2023-09-29
申请号：CN202310664201.0
申请日：2023-06-06
Applicant: 南通大学
IPC: G01R31/367 , G01R31/392 , G01R31/388
Abstract: 本发明提供了一种基于CBAM改进的3DCNN的锂离子电池SOH估计方法，属于锂离子电池技术领域。解决了3DCNN在锂离子电池SOH估计中数据特征挖掘和缓解神经网络框架复杂性的技术问题。其技术方案为：包括以下步骤：步骤1)将不同的全新锂离子电池充满电；步骤2)构建SOH估计的三维训练数据集和测试数据集；步骤3)实现最终的SOH实时估计。本发明的有益效果为：本发明分别通过不同温度下不同电池的充放电实验获取电池各项参数，然后处理数据与构建不同电池的训练数据集，将训练的数据集导入基于CBAM改进的3DCNN中进行训练，最终可用于锂离子电池SOH的实时估计。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.034 seconds)
