公开(公告)号：CN115201680A

公开(公告)日：2022-10-18

申请号：CN202210729825.1

申请日：2022-06-24

Applicant: 南通大学

Inventor： 李俊红 ,  褚云琨 ,  蒋泽宇 ,  顾菊平 ,  华亮 ,  羌予践 ,  宗天成

IPC: G01R31/367 ,  G01R31/36 ,  G01R31/385

Abstract: 本发明提供了一种基于Hammerstein‑CARMA的锂离子电池非线性建模方法，属于锂离子电池技术领域，解决了传统锂离子电池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)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)建立基于Hammerstein‑CARMA的锂离子电池非线性模型；步骤3)构建COA的算法流程；步骤4)在COA基础上引入多种改进措施，构建ICOA；步骤5)利用ICOA辨识模型参数并预测锂离子电池端电压。本发明的有益效果为：本发明利用改进的郊狼优化算法进行参数辨识，辨识精度高、收敛速度快。

公开(公告)号：CN114995149A

公开(公告)日：2022-09-02

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：CN114660941A

公开(公告)日：2022-06-24

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：CN114062948B

公开(公告)日：2022-05-20

申请号：CN202210025289.7

申请日：2022-01-11

Applicant: 南通大学

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

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。

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

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

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。