-
公开(公告)号：CN110175420B
公开(公告)日：2022-12-02
申请号：CN201910466403.8
申请日：2019-05-30
Applicant: 南通大学
IPC: G06F30/25
Abstract: 本发明公开了一种锅炉床温系统时延非线性模型改进粒子群参数辨识方法，包括构建出锅炉床温系统Hammerstein‑Wiener时延非线性模型，获得锅炉床温系统Hammerstein‑Wiener时延非线性模型的辨识模型；构建出改进粒子群优化搜索方法，将非线性系统的识别问题转化为参数空间中的函数优化问题，利用粒子群优化的并行搜索能力实现对所有参数的同时估计，最后分离出线性和非线性参数以及时间延迟。本发明还构建了改进粒子群迭代辨识方法的流程和步骤，可以有效地应用到锅炉床温系统Hammerstein‑Wiener时延非线性模型的参数估计中去，具有一定的工程实际价值。
-
公开(公告)号：CN114566227B
公开(公告)日：2022-11-18
申请号：CN202110878223.8
申请日：2021-07-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于牛顿迭代算法的PH中和过程模型辨识方法，包括以下步骤：步骤1)构建PH中和过程分数阶Hammerstein CAR模型，根据所构建的系统模型获取PH中和过程的辨识模型；步骤2)构建牛顿迭代算法的辨识流程。本发明的有益效果为：使用本发明的牛顿迭代算法的PH值中和过程模型辨识方法进行的参数辨识结果可以看出，该方法的辨识精度较高，输出的参数估计误差较小；同时，也说明本辨识方法对于本PH中和过程模型有较好的适用性。
-
公开(公告)号：CN110286332B
公开(公告)日：2021-06-22
申请号：CN201910523876.7
申请日：2019-06-17
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明提供了一种基于多新息理论的电动汽车动力电池SOC估计方法，属于电动汽车动力电池管理技术领域。其技术方案为一种基于多新息理论的电动汽车动力电池SOC估计方法，包括通过间歇恒流放电法确定动力电池的OCV‑SOC的函数关系式；建立动力电池二阶RC等效电路模型，推导其辨识模型；根据多新息辨识理论，构建多新息扩展卡尔曼滤波算法，并与多新息遗忘因子递推最小二乘辨识算法组成联合估计算法。本发明的有益效果为：计算准确，适用于电动汽车动力电池SOC估计。
-
公开(公告)号：CN112526348A
公开(公告)日：2021-03-19
申请号：CN202011293629.1
申请日：2020-11-18
Applicant: 南通大学
IPC: G01R31/367 , G06N7/00
Abstract: 本发明提供了一种基于多新息递推贝叶斯算法的电池模型参数辨识方法，包括以下步骤：步骤1)通过间歇恒流放电法测取一定时间内的锂离子电池端电压、负载电流数据，通过多项式拟合法确定其OCV‑SOC的函数关系；步骤2)确定锂离子电池的双极化等效电路模型，建立表示电池参数辨识向量和系统输出关系的系统方程；步骤3)构建多新息递推贝叶斯算法的辨识流程。本发明的有益效果为：本发明建立了锂离子电池参数辨识的ARX模型，利用新息修正技术对前一刻的结果进行修正，基于多新息的辨识方法引入了新息长度参量，克服坏数据对参数估计的影响，提高参数估计精度，由参数辨识结果可以看出，本方法辨识精度高，具有工程价值。
-
公开(公告)号：CN110334315B
公开(公告)日：2022-12-13
申请号：CN201910547042.X
申请日：2019-06-24
Applicant: 南通大学
Abstract: 本发明提供一种基于极大似然和梯度优化的辛烷值推断模型辨识方法，包括构建出工业连续重整装置的辛烷值推断的双率哈默斯坦非线性模型，获得了双率的辨识模型；使用多项式变换技术，将模型转化为可直接使用双率的输入输出数据进行辨识的模型，结合极大似然原理和梯度搜索原理，推导出一种极大似然随机梯度辨识算法对模型的参数进行最优估计。本发明的辨识方法结构简单，非常容易实现，辨识精度高。本发明还建立了极大似然随机梯度辨识方法的流程和步骤，可以有效地应用到辛烷值推断非线性双率系统的参数估计中去，具有一定的工程应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114540507A
公开(公告)日：2022-05-27
申请号：CN202210227351.0
申请日：2022-03-08
Applicant: 南通大学附属医院
IPC: C12Q1/6888 , C12Q1/6869 , G16B20/00
Abstract: 本发明公开了一种人类四月龄胚胎下颌骨组织的细胞发育图谱，包括内皮细胞、雪旺细胞、增殖细胞、卫星细胞、肌细胞、红细胞、成肌细胞、转化态细胞3、转化态细胞1、间充质干细胞、单核细胞、破骨细胞、转化态细胞2、神经嵴细胞、成骨细胞、上皮细胞、软骨细胞、周细胞、腱细胞这19个细胞群。本发明还公开了一种人类四月龄胚胎下颌骨组织的细胞发育图谱的构建方法，对人类四月龄胚胎下颌骨组织进行单细胞测序，通过UMAP降维分群，并利用Marker基因注释细胞群，构建了人类四月龄胚胎下颌骨组织的细胞发育图谱。本发明提供了人类四月龄胚胎下颌骨组织完整、全面的细胞发育图谱，为研究下颌骨的生长发育提供新的基础数据。
-
公开(公告)号：CN113702843B
公开(公告)日：2022-05-20
申请号：CN202110845535.9
申请日：2021-07-26
Applicant: 南通大学
IPC: G01R31/382
Abstract: 本发明提供了一种基于郊狼优化算法的锂电池参数辨识与SOC估计方法，包括以下步骤：步骤一：通过间歇恒流放电测取锂电池的电流、电压；步骤二：建立锂电池二阶RC等效电路模型；步骤三：构建郊狼优化算法；步骤四：构建扩展卡尔曼滤波算法；步骤五：利用郊狼优化算法确定锂电池模型中的各个参数，并对电池SOC进行估计。本发明的有益效果为：本发明建立锂电池二阶RC模型，推导其离散状态空间表达式，利用郊狼优化算法进行模型参数辨识，相比于传统启发式算法辨识精度高、收敛速度快，利用辨识结果进行SOC估计，估计误差小，验证了郊狼优化算法在参数辨识方面的精确性。
-
公开(公告)号：CN113671378A
公开(公告)日：2021-11-19
申请号：CN202110784229.9
申请日：2021-07-12
Applicant: 南通大学
IPC: G01R31/367
Abstract: 本发明提供了一种基于分数阶理论的锂离子电池建模及参数辨识方法，属于离子电池技术领域。解决了整数阶等效电路模型描述电池的动态特征的能力弱，低阶模型不能满足精度要求，高阶模型又会增加了模型复杂度和计算量的技术问题。其技术方案为：包括以下步骤：步骤1)采用经验公式法确定OCV‑SOC的关系；步骤2)推导系统辨识方程；步骤3)构建改进蚁群优化算法的辨识流程。本发明的有益效果为：本发明经过分数阶理论改进的PNGV模型虽然呈现非线性，更加精确，推导出基于分数阶的PNGV模型辨识表达式，并且采用改进的蚁群优化算法进行在线辨识，可以获得估计精度高的模型参数和分数阶阶数，可以准确、有效地反应锂电池的实时性能。
-
公开(公告)号：CN113420444A
公开(公告)日：2021-09-21
申请号：CN202110698555.8
申请日：2021-06-23
Applicant: 南通大学
IPC: G06F30/20 , G01R31/367 , G06F119/02
Abstract: 本发明提供了一种基于参数在线辨识的锂离子电池SOC估计方法，包括以下步骤：步骤1)通过间歇放电静置法测取SOC从1到0的锂离子电池端电压、负载电流数据，确定OCV‑SOC的关系；步骤2)建立锂离子电池的双极化电路模型，确定电池参数辨识向量以及离散空间的状态空间方程；步骤3)构建RB算法的辨识流程，对电池模型参数进行在线辨识；步骤4)构架自适应卡尔曼滤波算法估计流程；步骤5)构建RB和AEKF联合估计算法，两部分交叉进行，对模型参数和状态向量进行同步更新。本发明的有益效果为：本发明通过电池模型建立状态空间方程，将SOC作为状态变量，采用该方法的前提是高保真的电池模型和准确的模型参数辨识。
-
公开(公告)号：CN111293336A
公开(公告)日：2020-06-16
申请号：CN202010115232.7
申请日：2020-02-25
Applicant: 南通大学
IPC: H01M8/04298 , H01M8/04992 , H01M8/18
Abstract: 本发明提供了一种基于引力搜索算法的全钒液流电池储能系统运行优化方法，包括以下步骤，包括建立全钒液流电池的数学模型，对全钒液流电池的数学模型进行参数辨识，采用引力搜索算法对全钒液流电池的瞬时能量效率进行实时优化，得到不同SOC下运行时的最高瞬时能量效率。本发明的有益效果为：能使电池的工作效率更高，从而可以减少原材料的损耗。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.027 seconds)
