公开(公告)号：CN118136159A

公开(公告)日：2024-06-04

申请号：CN202410225672.6

申请日：2024-02-29

Applicant: 南通大学

Inventor： 李俊红 ,  肖康 ,  华亮 ,  宗天成 ,  王娟 ,  段雅棋

IPC: G16C20/70 ,  G16C20/10 ,  G06N3/006 ,  G06N7/08

Abstract: 本发明公开了一种基于改进沙丘猫算法的氧化炉焚烧系统的辨识方法，属于工业控制过程系统辨识技术领域。解决了氧化炉焚烧系统参数复杂难以辨识的技术问题。其技术方案为：包括以下步骤：步骤1)建立氧化炉焚烧系统的三输入单输出Hammerstein‑CARMA模型；步骤2)构建改进沙丘猫算法的辨识流程。本发明的有益效果为：本发明相比经典的粒子群算法，辨识氧化炉焚烧系统反应时有较快的收敛速度和较高的辨识精度，输出的参数估计误差小，同时说明了该辨识方法对于氧化炉焚烧过程参数辨识有很好的适用性，具有一定的工程实际应用价值。

公开(公告)号：CN117574759A

公开(公告)日：2024-02-20

申请号：CN202311495478.1

申请日：2023-11-10

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  华亮 ,  白贵祥 ,  宗天成 ,  程赟 ,  段雅棋 ,  安振生 ,  夏上钧

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/214 ,  G06F17/10 ,  G01R31/367 ,  G01R31/378 ,  G01R31/382 ,  G01R31/385

Abstract: 本发明提供了一种基于VMD‑BiLSTM的锂电池管理系统辨识方法，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VMD‑BiLSTM神经网络对数据集进行训练，得到VMD‑BiLSTM模型用于实时估计。本发明的有益效果为：本发明使用的VMD‑BiLSTM神经网络通过VMD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VMD‑BiLSTM神经网络模型的学习能力。

公开(公告)号：CN116482555A

公开(公告)日：2023-07-25

申请号：CN202310376577.1

申请日：2023-04-10

Applicant: 南通大学

Inventor： 李俊红 ,  白贵祥 ,  李亚男 ,  李富超 ,  张泓睿 ,  宗天成

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。

公开(公告)号：CN115684946A

公开(公告)日：2023-02-03

申请号：CN202211423928.1

申请日：2022-11-14

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  白贵祥 ,  宗天成 ,  程赟 ,  袁银龙 ,  陈楠

IPC: G01R31/367 ,  G01R31/382

Abstract: 本发明提供了一种基于迁移学习的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了3DCNN在锂电池SOC估计中适应新电池型号时造成的模型设计和数据集构建成本增加的问题。其技术方案为：包括以下步骤：步骤1)通过恒流放电实验、DST工况放电实验、FUDS工况放电实验和US06工况放电实验；步骤2)构建用于SOC估计的3DCNN训练数据集和测试数据集；步骤3)使用基于迁移学习的3DCNN对数据集进行训练和测试。本发明的有益效果为：本发明将训练的数据集导入3DCNN中进行训练，最终可用于锂离子电池SOC的实时估计。

公开(公告)号：CN115562011A

公开(公告)日：2023-01-03

申请号：CN202211183336.7

申请日：2022-09-27

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  张泓睿 ,  肖康 ,  顾菊平 ,  宗天成 ,  程赟 ,  白贵祥 ,  李亚男 ,  李富超

IPC: G05B13/04

Abstract: 本发明提供了一种气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法，属于气浮运动系统辨识技术领域。解决了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)建立气浮运动系统的单输入单输出模型；步骤2)构建气浮运动系统混沌自适应差分进化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：本发明提出的气浮运动系统混沌自适应差分进化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，能较好地适用于对气浮运动系统时滞输入非线性闭环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：CN110688808B

公开(公告)日：2022-06-24

申请号：CN201910904154.6

申请日：2019-09-24

Applicant: 南通大学

Inventor： 李俊红 ,  宗天成 ,  李磊 ,  顾菊平 ,  杨奕 ,  张佳丽 ,  徐珊玲 ,  刘梦茹 ,  李政

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：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：CN119960386A

公开(公告)日：2025-05-09

申请号：CN202510091988.5

申请日：2025-01-21

Applicant: 南通大学

Inventor： 宗天成 ,  宗浩楠 ,  孙天航 ,  赵开阳 ,  林可儿 ,  徐晓凡

IPC: G05B19/408

Abstract: 本发明提供了一种多新息LM支持向量机的数控机床主轴热误差建模方法，属于数控机床主轴热误差的建模技术领域。解决了精密数控机床主轴热误差的实时监测和反馈不及时的技术问题。包括如下步骤：步骤1)构建一个基于支持向量机的数控机床主轴热误差模型，以最终拟合特征点温度‑主轴热误差的反馈输出；步骤2)构建出多新息自适应LM方法用于估计支持向量机模型的参数。本发明的有益效果为：基于多新息自适应LM支持向量机回归策略具有较为理想的工程应用价值，并且充分利用系统数据，增强了抗噪声干扰的能力，提升了算法的辨识精度。