-
公开(公告)号：CN114217234B
公开(公告)日：2023-08-22
申请号：CN202111654358.2
申请日：2021-12-30
Applicant: 南通大学
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：CN114566227A
公开(公告)日：2022-05-31
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：CN113671378B
公开(公告)日：2022-04-08
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：CN114237044A
公开(公告)日：2022-03-25
申请号：CN202111432889.7
申请日：2021-11-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于递阶引力搜索的循环流化床锅炉模型辨识方法，属于循环流化床锅炉模型系统辨识技术领域；解决了循环流化床锅炉进行分析、预测的模型问题。其技术方案为：包括如下步骤：步骤1)构建表述循环流化床锅炉床温的多变量状态空间模型，根据所构建的系统模型获取循环流化床锅炉床温的辨识模型；步骤2)构建递阶引力搜索算法的辨识流程。本发明的有益效果是：本发明的方法辨识可显著降低所需辨识信息矩阵及参数向量维度，从而使该方法的计算量大幅降低，本发明的方法辨识精度高，收敛速度快，适用于循环流化床锅炉床温模型的参数辨识。
-
公开(公告)号：CN114062948A
公开(公告)日：2022-02-18
申请号：CN202210025289.7
申请日：2022-01-11
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明提供了一种基于3DCNN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SOC估计方法中3DCNN卷积神经网络难以用于SOC估计的问题。其技术方案为：该方法包括以下步骤：步骤1）通过放电实验，反复测取电流等数据；步骤2）数据预处理并构建数据集；步骤3）通过3DCNN卷积神经网络对数据集进行训练，得到3DCNN模型用于实时估计。本发明的有益效果为：本发明使用的卷积神经网络结构能够发掘相邻放电周期之间同一时间点上输入数据的联系，时间维度上的卷积核不仅能考虑循环次数，还能提取各个循环之间的特征关系，且凭借其高适应能力，还可以进行电池剩余容量、电池剩余寿命等电池各个参数的预测。
-
Patent Agency Ranking
公开(公告)号：CN113702843A
公开(公告)日：2021-11-26
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：CN112526348B
公开(公告)日：2021-11-09
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：CN111098755A
公开(公告)日：2020-05-05
申请号：CN202010115887.4
申请日：2020-02-25
Applicant: 南通大学
IPC: B60L58/12 , B60L58/10 , G01R31/387 , G01R31/388 , G01R31/367
Abstract: 本发明提供了一种电动汽车动力电池SOC估计方法，包括以下步骤：步骤1)：通过间歇恒流放电法测取动力电池的电流与电压，通过多项式拟合法确定动力电池的OCV-SOC的函数关系式；步骤2)：建立动力电池二阶RC等效电路模型，推导其辨识模型；步骤3)：构建改进的混沌引力搜索算法的流程，完成辨识；步骤4)：针对锂离子电池非线性系统建立电池的状态空间模型，构建高斯-厄米特滤波算法的流程，并与改进的混沌引力搜索算法组成联合估计算法。本发明的有益效果为：本发明采用将模型参数辨识和SOC估计进行联合的估计算法，以实现对电池的SOC更好的实时估计。
-
公开(公告)号：CN110334315A
公开(公告)日：2019-10-15
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。
-
公开(公告)号：CN110286332A
公开(公告)日：2019-09-27
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.032 seconds)
