基于标准样本及双重-嵌入解耦的电池健康状态估计方法

    公开(公告)号:CN112904218B

    公开(公告)日:2021-12-21

    申请号:CN202110105834.9

    申请日:2021-01-26

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于标准样本及双重‑嵌入解耦的电池健康状态估计方法,包括提取标准样本显著特征峰,标准样本机理参数标定,待测电池SOH在线估计等步骤。有益效果:本发明从阻抗特征机理分析角度阐述了温度和老化对于IC曲线特征峰电压影响双重耦合关系,提出了基于“标准样本”消除对温度最为敏感的电荷转移电阻引起电压偏移,实现首层解耦,进一步,设定受老化和温度耦合影响的SEI膜电阻整体符合老化线性关系下,该线性关系系数只与温度相关的方式实现嵌入解耦;本发明不仅承袭了基于IC曲线特征估计电池SOH高效率的特征,并从机理分析角度解决了以往IC曲线求解电池SOH在宽温度范围内的精度不高的问题。

    基于类容量增量曲线的云端电池组容量一致性分析方法

    公开(公告)号:CN113759251A

    公开(公告)日:2021-12-07

    申请号:CN202110943746.6

    申请日:2021-08-17

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于类容量增量曲线的云端电池组容量一致性分析方法,包括以下步骤:步骤一、分析充电片段特性;步骤二、求解类容量增量IC曲线;步骤三、采用类容量增量IC曲线对电池组容量一致性进行分析,对电池组容量一致性进行分析;步骤四、进行单体电池容量分级。有益效果:本发明以类IC曲线特征峰高度作为电池容量的表征点,通过计算特征峰高度标准差实现对电池组容量一致性的评价,并对单体电池容量分级,实现了基于云端数据的电池组容量一致性定量分级评级;类IC曲线的求解方法消除了现有包括多项式滤波平滑、分段拟合求导和傅里叶降噪等方法无法解决云端采集电压因故意降低精度导致电压数据不连续而无法求解IC曲线问题。

    一种基于卡尔曼滤波框架估算电池SOC的自适应优化方法

    公开(公告)号:CN110502778B

    公开(公告)日:2021-06-22

    申请号:CN201910596702.3

    申请日:2019-07-02

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于卡尔曼滤波框架估算电池SOC的自适应优化方法,将二阶RC等效电路作为电池模型,利用电池脉冲实验数据和MATLAB参数识别工具箱对二阶RC等效电路参数进行辨识,然后根据基尔霍夫电压定律构建电池的状态方程和观测方程,以观测量与观测方程估计的差值为依据,在扩展卡尔曼滤波算法中加入自适应优化策略,并将优化后的扩展卡尔曼滤波算法应用于电池SOC估算。结果表明:本发明提出的方法比传统扩展卡尔曼滤波算法估算电池SOC时,精度提高0.3%,而且波动性更小,具有很好地精确性和实用性。

    基于AdaBoost-CBP神经网络的电动汽车锂离子电池健康状态估算方法

    公开(公告)号:CN110659722A

    公开(公告)日:2020-01-07

    申请号:CN201910814961.9

    申请日:2019-08-30

    Applicant: 江苏大学

    Abstract: 本发明提出了一种基于AdaBoost-CBP神经网络的电动汽车锂离子电池健康状态估算方法。由于放电电压、放电电流、循环充放电次数在电池使用过程中变化趋势明显,本发明采用这三种参数作为SOH估算的输入数据,并将电池容量作为输出参数。由于电池数据存在噪音并呈现非线性变化特性,采用扩展卡尔曼滤波算法进行去噪。针对BP神经网络易陷入局部最优的问题,采用分数微积分理论对其梯度下降法进行优化。最后,将分数阶BP神经网络作为弱学习器,利用AdaBoost算法的自适应加强性能增强学习器的拟合能力,并将每轮弱学习器进行集成得到强学习器,以提高学习器的多样性,实现各学习器在不同工况数据下性能的优势互补,有效提高估算精度。

    一种基于行驶工况的电动汽车再生制动系统测试方法

    公开(公告)号:CN105021406A

    公开(公告)日:2015-11-04

    申请号:CN201510438120.4

    申请日:2015-07-23

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于行驶工况的电动汽车再生制动系统测试方法,属于电动汽车领域,包括:步骤1,配置实验参数;如果已存在实验车的参数,直接选择实验车参数即可;步骤2,选择实验工况或者将新的EXCEL格式的实验工况导入到上位机中;步骤3,选择通讯接口;步骤4,进行台架工况测试;整个循环工况结束后,根据需要选择数据保存的路径和格式;步骤5,进行结果分析;评估是否达到再生制动系统测试的要求,并且可以根据评估结果对程序做出修改。本发明克服了传统电动汽车再生制动系统测试过程中控制方法复杂的难题,在实验台架上就可以模拟电动汽车实际的行驶工况,本发明提出的再生制动系统测试方法的控制准确,再生制动回馈率计算精度高。

    轮胎钢丝帘线张力传感器
    27.
    发明公开

    公开(公告)号:CN101038224A

    公开(公告)日:2007-09-19

    申请号:CN200710021413.8

    申请日:2007-04-11

    Applicant: 江苏大学

    Abstract: 本发明为一种轮胎钢丝帘线张力传感器,嵌入在轮胎钢丝帘布层中,该轮胎钢丝帘线张力传感器包括:一个u型弹性梁、安装在弹性梁表面上含四个半导体应变计的感应电路、焊接在感应电路上的导线、两段分别穿过弹性梁两端小孔的钢丝帘线,以上部件组合后放置在一个钢套中,导线和钢丝帘线从钢套两端穿出,钢套里充满软胶,两端用环氧树脂密封。本发明能够嵌入轮胎,引出导线与测试设备连接,可以得到轮胎动、静态加载下的帘线张力变化。

    基于车云协同的全天候、多地区动力电池组SOH预测方法及系统

    公开(公告)号:CN117743802A

    公开(公告)日:2024-03-22

    申请号:CN202311847378.0

    申请日:2023-12-29

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于车云协同的全天候、多地区动力电池SOH预测方法及系统,BMS采集的历史数据和环境数据作为原始数据集,对其进行数据清洗和充放电片段分割;基于充放电片段数据,分别采用多维度SOH量化方法获得SOH标签,再对多维度SOH标签进行去噪、计算权重,加权获得最终SOH标签;基于充放电数据提取环境、电池包内部、驾驶员充放电行为特征,结合最终SOH标签,进行特征筛选,获得最终特征群;最终特征群和最终SOH标签拼接,获得训练数据集,并进行逐级分类,最后将分类结果选择模型进行训练,获得SOH预测模型,对目标车辆进行实时SOH预测。本发明适用于全天候、多地区的电动汽车电池组SOH的精确预测。

    一种改进的动力电池模组电量均衡系统及控制方法

    公开(公告)号:CN116691447A

    公开(公告)日:2023-09-05

    申请号:CN202310524415.8

    申请日:2023-05-10

    Applicant: 江苏大学

    Abstract: 本发明公开了一种改进的动力电池模组电量均衡系统及控制方法,由通过电池模组的电流值计算第i个单体电池的SOC,并将所有单体电池SOC值进行从低到高排序,记为SOCj,若|SOCj‑SOCm|>SOCm*5%,判定单体电池需要参与电量均衡,计算各单体电池均衡所需时间,判断需要参与电量均衡的单体电池均衡方案:若ΔSOCj>0,则需要从单体电池中抽取相应电量,若ΔSOCj

Patent Agency Ranking