-
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
IPC: G01L5/04
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。
-
公开(公告)号：CN113765179B
公开(公告)日：2023-11-10
申请号：CN202110943753.6
申请日：2021-08-17
Applicant: 江苏大学
IPC: H02J7/00
Abstract: 本发明公开了一种基于层次聚类及类中心距的云端电池组一致性分析方法，包括以下步骤，步骤一、采集电池组原始数据并进行预处理；步骤二、对切分的放电片段进行特性分析、步骤三、采用层次聚类法对电池组的温度一致性和电压一致性进行分析，并采用类中心距分析电池组温度一致性和电压一致性随时间变化的趋势以及两者之间关联性。有益效果：本发明采用层次聚类法能够辨识出电池组温度不一致性最大的位置以及电压不一致性最大的单体电池，采用类中心距指标可定量分析电池组温度一致性和电压一致性随时间变化的趋势以及两者之间关联性，克服了云端数据精度低，直接利用测量的电压、电流或温度数据分析易导致误判的问题。
-
公开(公告)号：CN111382840B
公开(公告)日：2023-09-29
申请号：CN202010115996.6
申请日：2020-02-25
Applicant: 江苏大学
Abstract: 本发明公开了一种面向自然语言处理的基于循环学习单元的HTM设计方法，针对自然语言处理应用，在使用HTM分析自然语言时，提出使用面向自然语言处理的基于循环学习单元的HTM设计方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，实现对蕴含无规律时间跨度大关联的自然语言的更好的学习；通过循环学习单元的训练方法，使得循环学习单元能学习自然语言语料中包含的特性，实现HTM对蕴含无规律时间跨度大关联的自然语言更强的学习能力。本发明提高了HTM对蕴含无规律时间跨度大关联的自然语言的学习功能，从而保证了在处理蕴含无规律时间跨度大关联的自然语言时HTM的有效性和实用性。
-
公开(公告)号：CN114791993B
公开(公告)日：2022-11-11
申请号：CN202210529759.3
申请日：2022-05-16
Applicant: 江苏大学
Abstract: 本发明公开了一种动力电池组SOH预测方法及系统，系统包括以下模块：数据预处理模块、SDAE模块、神经网络模块；方法包括以下步骤：通过读取BMS历史数据，对其进行清洗，提取天气、驾驶行为和常规三类特征，并分为连续型特征和数值型特征两类进行预处理；处理后传入SDAE模块，对数据加噪并重构数据；神经网络学习特征与SOH之间的映射关系，并输出SOH预测结果。本发明通过SDAE重构输入数据找到更稳定、更有用的特征，同时利用神经网络并行计算的特点，组合得到更具稳定性的高效的模型，可在节省计算时间的同时提高模型的预测精度，适用于电动汽车全状态、全气候运行时的电池组SOH估算。
-
公开(公告)号：CN114994546A
公开(公告)日：2022-09-02
申请号：CN202210675036.4
申请日：2022-06-15
Applicant: 江苏大学
IPC: G01R31/382 , G01R31/367 , G01R31/396 , G01R31/378
Abstract: 本发明提供了一种基于区块链和Informer神经网络的电池组SOH预测系统及方法，预测系统包括车载区块链平台、地区私人链和联盟区块链，联盟区块链对电动车辆及其电池组的公共索引数据提取特征与标签，对公共索引数据特征的数据集进行预处理，同标签一起构成数据集Xn，并丢弃弱相关特征，得到数据集X′n，利用其他电动车辆的数据集X′n训练基于Informer的神经网络模型，根据电动车辆自身的历史数据对训练后的基于Informer的神经网络模型进行重新校准，对重新校准的基于Informer的神经网络模型，设置预测序列长度，预测电池组的SOH。本发明能够较为精确的监测电池组未来的健康状态，有助于做好电池全寿命周期的管理。
-
Patent Agency Ranking
公开(公告)号：CN112550290B
公开(公告)日：2022-07-22
申请号：CN202011500147.9
申请日：2020-12-17
Applicant: 江苏大学
IPC: B60W30/165 , B60W40/105 , B60W10/08 , B60W10/18
Abstract: 本发明提供了一种考虑电机能耗的能量最优自适应巡航控制方法及系统，属于车辆控制技术领域。在传统的自适应巡航控制器中引入电机能耗作为经济性评价指标，同时建立表征跟踪性评价指标、舒适性评价指标和安全性约束条件，基于自适应权重参数以综合考虑上述各性能指标并适应不同行驶工况下的性能需求，构造待优化问题的目标函数及其约束条件，求出最优转矩，经执行机构作用至受控车辆，完成受控车辆的跟驰行驶，提高电机的工作效率。本发明在对能量最优自适应巡航控制器设计时考虑了前车加速度扰动，使得受控车辆及时采取加减速等措施来跟踪前车行驶状态的变化，从而提高车辆的速度跟踪性。
-
公开(公告)号：CN113761789A
公开(公告)日：2021-12-07
申请号：CN202110834539.7
申请日：2021-07-23
Applicant: 江苏大学
Abstract: 本发明提供了一种基于萤火虫群算法优化后的BP神经网络估算电池SOC的方法，属于电动汽车电池管理技术领域。本发明方法为：获取动力电池的荷电状态和外部特性数据，对外部特性数据进行归一化处理；利用萤火虫群算法优化BP神经网络，优化内容包括最优隐含层神经元个数、权值和阈值，将最优隐含层的权值和阈值作为待优化参数基于萤火虫群算法迭代求解，用最优位置点对应的权值和阈值更新BP神经网络；最后，通过优化后的BP神经网络估算电池的SOC。本发明能动态地对电池SOC进行预测，即在不同电池状态下都能实现对锂电池SOC的精确估计。
-
公开(公告)号：CN110346734B
公开(公告)日：2021-07-20
申请号：CN201910531963.7
申请日：2019-06-19
Applicant: 江苏大学
IPC: G01R31/388 , G01R31/367 , G01R31/392 , G06F30/20 , H01M10/42
Abstract: 本发明公开了一种基于机器学习的锂离子动力电池健康状态估算方法，用于实时估算动力电池的荷电状态和健康状态。通过建立锂离子电池的等效电路模型，对其进行参数辨识，再建立Uoc‑SOC模型，并估算SOC。使用大量离线数据训练得到以Uoc‑SOC模型参数为输入，最大可用容量为输出的神经网络模型。对同一时刻的Uoc与SOC进行曲线拟合，得到模型中的待辨识参数，将其输入到训练得到的神经网络模型，得到最大可用容量，并将得到的Uoc‑SOC模型参数及最大可用容量返回到SOC估算步骤，更新其状态方程和观测方程的参数。本发明提出一种锂离子电池健康状态估算方法，对电池健康状态进行在线估算，并对SOC估算进行了参数更新，提高了其估算精度。
-
公开(公告)号：CN112904218A
公开(公告)日：2021-06-04
申请号：CN202110105834.9
申请日：2021-01-26
Applicant: 江苏大学
IPC: G01R31/392
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。
-
公开(公告)号：CN111103553A
公开(公告)日：2020-05-05
申请号：CN201911365666.6
申请日：2019-12-26
Applicant: 江苏大学
IPC: G01R31/392 , G01R31/367 , G06N3/06 , G06N3/04 , G06N3/08
Abstract: 本发明所提出的一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法。针对电池测量数据存在缺失、异常和噪音的特点，根据变异系数采用改进粒子滤波算法处理或选择最小二乘法、均值替换法处理参数以使神经网络输入参数平稳，从而提高抗噪性。而GRNN算法应用于SOH估算具有估算精度高的优势，但因平滑因子人为设定存在其实验平均误差与方差不稳定局限。因此本发明利用QGA对GRNN的平滑因子进行优化以提高网络自适应性。进一步的，考虑到不同特征参数与容量的相关性存在差异的特点，本发明利用最优平滑因子与相关系数构建模式层的传递函数以提高GRNN的估算精度。实验结果表明，本发明所提出的算法能有效估算锂离子电池健康状态具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.029 seconds)
