-
公开(公告)号：CN114487845A
公开(公告)日：2022-05-13
申请号：CN202210038879.3
申请日：2022-01-13
Applicant: 南通大学
IPC: G01R31/367 , G01R31/382 , G06N3/04
Abstract: 本发明提供了一种基于融合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。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为：步骤1)将全新锂电池充满电，测取SOC从1到0的锂离子电池的端电压、电流、温度；步骤2)对测取的数据进行预处理；步骤3)使用2DCNN卷积神经网络对新的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：本发明在数据集中加入估计的电池容量数据，能够拥有更高的估计精度，相比较LSTM，不会将误差一直记忆；并且，短的历史数据长度也能拥有更快的估计速度；相较使用3DCNN来估计SOC，能够减少运算量并且减少不必要的误差输入，从而拥有更高的精度。
-
公开(公告)号：CN111859793A
公开(公告)日：2020-10-30
申请号：CN202010668383.5
申请日：2020-07-13
Applicant: 南通大学
IPC: G06F30/27
Abstract: 本发明提供了一种基于协同引力搜索算法的造纸过程模型辨识方法，具体包括以下步骤：步骤1)构建造纸生产设备的多输入多输出模型，根据所构建的系统模型获取造纸生产过程的辨识模型；步骤2)构建协同引力搜索算法的辨识流程。本发明的有益效果为：使用本发明的协同引力搜索算法的造纸过程模型辨识方法进行的参数辨识结果可以看出，本方法的辨识精度较高，输出的估计误差较小；同时，也说明本辨识方法对于本造纸设备模型有较好的适用性。
-
公开(公告)号：CN111025910A
公开(公告)日：2020-04-17
申请号：CN201911354480.0
申请日：2019-12-25
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法，属于化工系统辨识领域。解决了pH中和过程非线性动态模型问题。其技术方案为：基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法具体包括以下步骤：步骤1)构建出pH中和过程的维纳非线性系统模型，根据系统模型获得pH中和过程的辨识模型；步骤2)构建混沌引力搜索迭代算法的迭代辨识流程。本发明的有益效果为：本发明计算准确，辨识精度高，适用于pH中和反应维纳非线性系统的参数辨识。
-
公开(公告)号：CN110688808A
公开(公告)日：2020-01-14
申请号：CN201910904154.6
申请日：2019-09-24
Applicant: 南通大学
IPC: G06F30/25 , G06N3/00 , G01R31/3842 , G01R31/36
Abstract: 本发明提供了一种动力电池模型的粒子群及LM优化混合迭代辨识方法，包括以下步骤：步骤一：通过间歇恒流放电法测取动力电池的电流与电压；步骤二：建立动力电池二阶RC等效电路模型；步骤三：推导动力电池二阶RC等效电路的辨识模型；步骤四：构建PSO-LM优化混合迭代辨识算法；步骤五：采用PSO-LM算法确定动力电池模型中的未知参数。本发明的有益效果为：本发明利用粒子群算法优越的群体搜索能力和LM算法较强的局部寻优能力，并克服粒子群算法后期搜索效率不高和LM算法对初值要求高的缺陷，能够迅速收敛到全局最优解，该混合算法具有辨识精度高、收敛速度快、计算准确等特点，完全适用于电动汽车动力锂电池的参数辨识。
-
公开(公告)号：CN110175420A
公开(公告)日：2019-08-27
申请号：CN201910466403.8
申请日：2019-05-30
Applicant: 南通大学
IPC: G06F17/50
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。
-
Patent Agency Ranking
公开(公告)号：CN119247768B
公开(公告)日：2025-04-29
申请号：CN202411262355.8
申请日：2024-09-10
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于遗传优化和数据滤波的分数阶超精密平台辨识方法，解决了在高精度运动控制中，因系统的非线性特性而导致的控制精度降低的技术问题。包括以下步骤：首先根据GL定义建立包含分数阶线性动态部分和静态非线性部分的超精密非线性平台系统模型。然后，对系统输入输出进行数据滤波处理，将复杂的有色噪声转化简单的滑动平均噪声来提高信噪比。接着，对交叉规则进行了改进，动态调整交叉概率，增强算法的全局搜索能力和收敛速度，提高了参数估计的精度和鲁棒性。本发明在处理分数阶非线性系统的参数估计问题上具有较高的精度和良好的抗干扰能力，适用于超精密平台复杂工业系统的建模和控制。
-
公开(公告)号：CN119760294A
公开(公告)日：2025-04-04
申请号：CN202411856909.7
申请日：2024-12-17
Applicant: 南通大学
Abstract: 本发明公开了缺失数据下粒子滤波的氨法脱硫系统的建模与估计方法，属于氨法脱硫系统的建模技术领域，解决了在非完整数据采样的情况下对氨法脱硫系统建模并精确估计系统的未知参数和状态的技术问题。其技术方案为：包括如下步骤：步骤1)构建出基于Hammerstein输出误差自回归模型的氨法脱硫非线性系统模型，并获得所有信息向量和辨识系统的模型描述；步骤2)构建出基于粒子滤波的梯度迭代辨识模型方法流程来对缺失数据下的氨法脱硫非线性模型的未知参数进行准确估计。本发明的有益效果：通过逼近估计来实现了对缺失数据下粒子滤波的氨法脱硫非线性系统的未知参数精确估计。
-
公开(公告)号：CN119128369A
公开(公告)日：2024-12-13
申请号：CN202311788701.1
申请日：2023-12-22
Applicant: 南通大学
IPC: G06F18/00 , G01R31/367 , G01R19/00 , G06F18/15 , G06N3/0499 , G06N3/08
Abstract: 本发明提供了一种基于WPD‑GMDH神经网络的BMS端电压辨识方法，属于锂电池管理系统辨识技术领域。解决了辨识锂电池管理系统难度大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)通过仿真实验，获得样本数据；步骤2)数据预处理并构建数据集，并将其分为训练集和测试集；步骤3)通过WPD‑GMDH神经网络对数据集进行训练，得到WPD‑GMDH模型用于实时估计。本发明的有益效果为：本发明使用的WPD‑GMDH神经网络通过WPD技术分离不同的频率的信号，从而找到不同特征的非线性关系，提升GMDH神经网络模型的学习能力。
-
公开(公告)号：CN115097735B
公开(公告)日：2024-10-11
申请号：CN202210866614.2
申请日：2022-07-22
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于改进Adam优化算法的反应釜连续搅拌过程的辨识方法，属于化学工程系统辨识技术领域。其技术方案为：一种基于改进Adam优化算法的反应釜连续搅拌过程辨识方法，包括以下步骤：步骤1)建立反应釜连续搅拌过程的输入非线性Hammerstein‑CARMA模型；步骤2)构建改进Adam优化算法的辨识流程。本发明的有益效果为：本发明提出的改进Adam优化算法是一种改进梯度优化算法，它相比较传统的梯度优化算法等有较快的收敛速度和较高的收敛精度，能较好地适用于对反应釜连续搅拌过程的建模和参数辨识，具有一定的工程实际应用价值。
-
公开(公告)号：CN116482555B
公开(公告)日：2024-03-19
申请号：CN202310376577.1
申请日：2023-04-10
Applicant: 南通大学
IPC: G01R31/388 , G01R31/389 , G01R31/392 , G01R31/367
Abstract: 本发明提供了一种基于Wiener结构的锂离子电池非线性建模及其参数辨识方法，属于锂离子电池技术领域。解决了传统二阶RC等效电路模型输出非线性映射能力不足的技术问题。其技术方案为：包括以下步骤：步骤1)对锂离子电池进行间歇恒流放电实验测取其端电压及负载电流数据；步骤2)建立基于Wiener结构的锂离子电池非线性模型；步骤3)构建辅助模型随机梯度的算法流程；步骤4)对AM‑SG算法进行优化；步骤5)对锂电池端电压进行预测。本发明的有益效果为：本发明利用AM‑εFG算法进行参数辨识，精度高。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.02 seconds)
