公开(公告)号：CN114995149B

公开(公告)日：2023-06-13

申请号：CN202210665775.5

申请日：2022-06-13

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  蒋一哲 ,  陈楠 ,  程赟 ,  张泓睿 ,  储杰 ,  褚云琨

IPC: G05B13/04

Abstract: 本发明提供了一种液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法，属于液压位置伺服系统辨识技术领域。解决了液压位置伺服系统进行分析和控制时给液压位置伺服系统建立的数学模型，辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立液压位置伺服系统的单输入单输出模型；步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数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：本发明提出的液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对液压位置伺服系统时滞反馈非线性模型的建模和参数辨识。

公开(公告)号：CN114779103A

公开(公告)日：2022-07-22

申请号：CN202210453820.0

申请日：2022-04-24

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  顾菊平 ,  华亮 ,  宗天成 ,  褚云琨 ,  芮佳丽 ,  张泓睿 ,  严俊 ,  肖康

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：CN114487844A

公开(公告)日：2022-05-13

申请号：CN202210038015.1

申请日：2022-01-13

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  褚云琨 ,  李磊 ,  王娟 ,  宗天成 ,  李政 ,  芮佳丽 ,  张泓睿 ,  严俊

IPC: G01R31/367 ,  G01R31/382 ,  G06N3/04

Abstract: 本发明提供了一种基于电池容量的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了当前电池容量的SOC难于估计的技术问题。其技术方案为：包括如下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流、温度以及负载的电压、电流；步骤2)对测取的数据进行预处理，构建用于估计电池容量的2DCNN训练数据集和测试数据集，再构建新的数据集；步骤3)实现最终的SOC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的电池充放电实验获取电池各项参数，估计出电池容量后，最终可用于锂电池SOC的实时估计。

公开(公告)号：CN114217234A

公开(公告)日：2022-03-22

申请号：CN202111654358.2

申请日：2021-12-30

Applicant: 南通大学

Inventor： 李俊红 ,  褚云琨 ,  杨奕 ,  袁银龙 ,  宗天成 ,  李磊 ,  芮佳丽 ,  蒋泽宇 ,  蒋一哲 ,  宋伟成 ,  储杰

IPC: G01R31/387

Abstract: 本发明提供了一种基于IDE‑ASRCKF的锂离子电池参数辨识与SOC估计方法，属于锂离子电池技术领域，其技术方案为：包括以下步骤：步骤1)通过间歇恒流放电测取电池的负载电流和端电压数据，确定OCV‑SOC关系；步骤2)建立锂离子电池的二阶RC模型；步骤3)构建IDE算法的辨识流程，对电池模型参数进行辨识；步骤4)构建ASRCKF算法的估计流程；步骤5)利用IDE算法确定锂电池模型中的各个参数，并利用ASRCKF对电池SOC进行估计。本发明的有益效果为：本发明提高了算法的收敛速度与精度；利用辨识得到的参数结果结合ASRCKF算法进行SOC估计，精度高、鲁棒性好，效果优于CKF。

公开(公告)号：CN115062467B

公开(公告)日：2024-08-13

申请号：CN202210665714.9

申请日：2022-06-13

Applicant: 南通大学

Inventor： 李俊红 ,  芮佳丽 ,  储杰 ,  陆国平 ,  蒋一哲 ,  程赟 ,  宋伟成 ,  褚云琨

IPC: G06F30/20 ,  G06N3/126

Abstract: 本发明提供了一种基于樽海鞘算法的单集气管压力控制模型辨识方法，属于集气管压力控制系统辨识技术领域。在模型上，解决了常用的整数阶模型不够精确，导致辨识精度不够高的技术问题；在辨识方法上，解决了梯度迭代法收敛速度较慢，会使辨识结果陷入局部最优，选择迭代步长时需要考虑辨识结果发散的技术问题。其技术方案为：包括以下步骤：步骤1)构建单集气管阀位和压力的分数阶CARMA模型；步骤2)构建樽海鞘算法的辨识流程。本发明的有益效果为：本发明的樽海鞘算法的单集气管压力控制模型辨识方法进行的参数辨识结果中，可以看出，该方法的辨识精度高，输出的参数估计误差小；同时，也说明本辨识方法对于单集气管压力控制模型具有较好的适用性。

公开(公告)号：CN114660941B

公开(公告)日：2022-11-04

申请号：CN202210323000.X

申请日：2022-03-29

Applicant: 南通大学

Inventor： 李俊红 ,  蒋一哲 ,  宋伟成 ,  储杰 ,  芮佳丽 ,  褚云琨 ,  宗天成 ,  蒋泽宇

IPC: G05B13/04

Abstract: 本发明提供了一种基于递阶辨识原理的交流电弧炉电极系统辨识方法，属于交流电弧炉电极系统辨识技术领域。解决了过于简化真实的电极系统结构而导致模型精度较低的问题。将递阶辨识应用在模型中，进一步提高了辨识精度。其技术方案为：包括以下步骤：步骤1)建立交流电弧炉电极系统的单输入单输出Hammerstein‑Wiener模型；步骤2)构建极大似然最小二乘和随机梯度的递阶辨识流程。本发明的有益效果为：本发明提出的极大似然最小二乘递阶辨识算法，有较快的收敛速度和较高的收敛精度，能较好的适用于对交流电弧炉电极系统的建模和参数辨识。

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

Inventor： 李俊红 ,  褚云琨 ,  蒋泽宇 ,  李磊 ,  马卫国 ,  芮佳丽 ,  宋伟成 ,  蒋一哲

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

Inventor： 李俊红 ,  蒋泽宇 ,  王娟 ,  李磊 ,  褚云琨 ,  芮佳丽 ,  李政

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

Inventor： 李俊红 ,  李磊 ,  刘慧霞 ,  商亮亮 ,  蒋泽宇 ,  褚云琨 ,  李政 ,  蒋一哲

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：CN115267549A

公开(公告)日：2022-11-01

申请号：CN202210883000.5

申请日：2022-07-26

Applicant: 南通大学

Inventor： 李俊红 ,  褚云琨 ,  蒋泽宇 ,  蒋一哲 ,  顾菊平 ,  华亮 ,  芮佳丽 ,  白贵祥

IPC: G01R31/367

Abstract: 本发明提供了一种复杂工况下的锂离子电池非线性建模方法，属于锂离子电池技术领域，解决了复杂工况下最小二乘类算法辨识效果差、传统等效电路模型精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)对电池进行DST和FUDS工况测试；步骤2)建立锂离子电池NL‑ECM模型；步骤3)构建GWO的算法流程；步骤4)在GWO基础上进行改进，构建IGWO；步骤5)利用IGWO辨识模型参数，在多种工况下利用辨识结果进行端电压预测。本发明的有益效果为：本发明在ECM基础上引入块结构，构建NL‑ECM模型，在DST工况下利用IGWO进行参数辨识，算法收敛速度快，辨识结果准确，构建的模型精度明显高于ECM。