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

Inventor： 李俊红 ,  李政 ,  宗天成 ,  刘慧霞 ,  李磊 ,  蒋泽宇 ,  宋伟成 ,  蒋一哲 ,  芮佳丽 ,  褚云琨 ,  储杰

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

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：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

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

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

Inventor： 李俊红 ,  张佳丽 ,  宗天成 ,  杨奕 ,  商亮亮 ,  徐珊玲 ,  刘梦茹 ,  李磊

IPC: G06F17/15 ,  G06F17/17

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

Inventor： 李俊红 ,  李肖 ,  宗天成 ,  张佳丽 ,  徐珊玲 ,  刘梦茹 ,  李磊 ,  杨奕

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。

公开(公告)号：CN109992907A

公开(公告)日：2019-07-09

申请号：CN201910277241.3

申请日：2019-04-08

Applicant: 南通大学

Inventor： 李俊红 ,  宗天成 ,  张佳丽 ,  沈文兵 ,  徐珊玲 ,  刘梦茹 ,  李磊 ,  杨奕 ,  桂雪琪

IPC: G06F17/50 ,  G06N3/00

Abstract: 本发明公开了一种基于粒子群的连续搅拌釜反应器维纳非线性模型辨识方法，包括构建出连续搅拌釜反应器的维纳非线性模型，获得连续搅拌釜反应器的辨识模型；构建线性递减惯性权重的粒子群优化搜索方法，通过将辨识模型的参数作为粒子群的位置向量，基于适应度函数来更新各粒子的位置和速度，采用粒子群优化对参数空间进行高效搜索，来获得系统模型参数的最优估计。该辨识方法在迭代初期具有较大的搜索空间和速度，而在迭代后期具有较强的局部搜索能力，收敛速度快，辨识精度高。本发明还建立了线性递减惯性权重粒子群迭代辨识方法的流程和步骤，可以有效地应用到连续搅拌釜反应器维纳非线性系统的参数估计中去，具有一定的工程应用价值。