-
公开(公告)号：CN112241042A
公开(公告)日：2021-01-19
申请号：CN202011245672.0
申请日：2020-11-10
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种低串扰的相交聚合物微纳光纤，其包括相交聚合物微纳光纤、相交角度、分离距离、纤芯、包层、直径，其特征在于所述两根聚合物微纳光纤在三维空间中以一定分离距离和角度相交，所述两根聚合物微纳光纤纤芯材料不相同，存在折射率差，包层材料相同，所述两根聚合物微纳光纤的直径不相同，存在直径差。在三维空间中，相交的聚合物微纳光纤由于倏逝波耦合产生串扰，通过改变相交聚合物微纳光纤间的折射率差和直径差来降低倏逝波耦合的效率，从而极大地降低串扰，同时聚合物微纳光纤具有较高的机械强度及优良的柔韧性和弹性。本发明有利于构筑超紧凑结构复杂的光子学器件和小型化集成光路。在光通信，传感和非线性光学领域具有极好的潜力。
-
公开(公告)号：CN110022109B
公开(公告)日：2021-01-05
申请号：CN201910309126.X
申请日：2019-04-17
Applicant: 桂林电子科技大学
IPC: H02P23/00 , H02P23/04 , H02P25/098
Abstract: 本发明为一种转矩‑电流神经网络模型SRM转矩脉动控制方法与系统。本方法由SRM的电感模型得到转矩‑电流转换关系，经电流分配函数得到各相控制电流，以实现抑制转矩脉动。根据SRM转矩与电流的非线性特性关系，以描述SRM电流基本变化规律的函数作为隐含层激活函数，设计描述SRM强非线性特性的转矩‑电流神经网络模型，通过转矩‑电流神经网络模型的自学习，计算转矩对应的总参考电流，再经电流分配函数，获得在各相对应的参考电流，控制SRM。按本法设计的系统微处理器的程序存储器有执行本法的各程序模块，SRM上的各传感器信号接入微处理器，经功率变换器连接控制SRM。本发明实现了开关磁阻电机转矩脉动的有效控制。
-
公开(公告)号：CN109742999B
公开(公告)日：2020-07-10
申请号：CN201910042672.1
申请日：2019-01-17
Applicant: 桂林电子科技大学
IPC: H02P25/08 , H02P25/098 , H02P23/30 , H02P23/00
Abstract: 本发明为一种动态神经网络自适应逆的SRM转矩控制方法与系统，本发明以系统前一时刻的实际总磁链，当前参考转矩和RBF神经网络输出的前一时刻参考磁链作为RBF神经网络的输入信号，输出参考磁链，构成动态RBF神经网络，即转矩‑磁链模型；转矩偏差经PD控制得到控制量，该控制量经预处理作为RBF神经网络自适应逆控制的学习偏差，且该控制量经滤波处理，作为总参考磁链的一部分，补偿转矩‑磁链模型的输出。总参考磁链与实际总磁链相减得磁链偏差，经磁链偏差分配，接入各相磁链偏差滞环控制，有效抑制SRM的转矩脉动。本发明适应电机快速控制要求，反馈误差学习方法加快神经网络建模并提高建模精度，减小转矩脉动的影响。
-
公开(公告)号：CN111293952A
公开(公告)日：2020-06-16
申请号：CN202010122847.2
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: H02P25/098 , H02P23/00 , H02P23/04
Abstract: 本发明公开一种基于电感率模型的开关磁阻电机转矩控制系统和方法，在基于线性电感模型的闭环控制系统中，根据电感变化率特性曲线，设计神经网络隐含层的特殊分段非线性激励函数，并在线描述SRM非线性电感变换率的强非线性特性，以构建电感变化率神经网络模型。通过电感变化率神经网络电感变化率信息，在恒定转矩下，推算出理想参考电流，实现了SRM恒转矩控制，达到了有效抑制SRM转矩脉动的目的。基于电感变换率特性神经网络建模，直接得到恒转矩下理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN105891727B
公开(公告)日：2018-10-19
申请号：CN201610412667.1
申请日：2016-06-13
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为一种双变结构滤波的动力电池荷电状态SOC的估计方法与系统，本法步骤为：先建立电池等效模型，采用第一变结构滤波对动力电池模型的参数辨识，拟合动力电池开路电压OCV与SOC关系，再用第二变结构滤波的估算SOC。变结构滤波参数ββ值对修正增量影响较大，引入模糊规则自适应调整ββ。本估计系统电压、电流传感器安装于待检动力电池，微处理器含有执行本方法的计算模块，微处理器在线显示当前估计的SOC值，并可与汽车的CAN控制器连接。本发明在线辨识动力电池参数；自适应模糊调整变结构滤波参数的修正增量，估计方法简洁，运算量小，易于实现，精度高，对SOC初值依赖性小。
-
Patent Agency Ranking
公开(公告)号：CN105116343B
公开(公告)日：2017-10-27
申请号：CN201510521981.9
申请日：2015-08-24
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为最小二乘支持向量机的动力电池电荷状态估计方法及系统，本法步骤为：Ⅰ、用动力电池模型及参数由含遗忘因子的最小二乘FFRLS求得开路电压Uoc；Ⅱ、用FFRLS拟合得到Uoc‑SOC的关系；Ⅲ、建立在线最小二乘支持向量机LS‑SVM的SOC训练模型；Ⅳ、估计SOC的初值，安时积分法估计SOC；Ⅴ、修正、补偿安时积分法估计的SOC。本系统电压电流传感器实时信号接入微处理器，程序存储器中存储有执行本法的各处理模块，计算处理所得实时SOC估计值直接显示。本发明有效地补偿拟合误差和安时积分法的累计误差；在线实时地调整模型参数，运算速度快，跟踪能力强，估计准确，实验表明本法SOC估计精度，平均绝对误差仅为1.28％。
-
公开(公告)号：CN104502858B
公开(公告)日：2017-07-14
申请号：CN201410851163.0
申请日：2014-12-31
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为基于后向差分离散模型的动力电池SOC估计方法与系统，本方法第一步、建立动力电池的后向差分离散模型，通过含遗忘因子的最小二乘法对后向差分离散模型的参数进行辨识。第二步、基于第一步所得的动力电池的后向差分离散模型，结合开路电压与SOC的非线性关系，采用自适应扩展卡尔曼滤波，完成动力电池SOC的有效估计。本系统动力电池所接的电压、电流传感器经模数转换模块连接嵌入微控制器。微控制器含低通滤波预处理模块、后向差分离散电池模型参数在线辨识模块和AEKF算法SOC估计模块。所得SOC结果送显示器设备的CAN网络。本发明结构简单，提高参数辨识速度和精度，减小历史数据对辨识影响，计算方便，SOC估计精度高。
-
公开(公告)号：CN105093121A
公开(公告)日：2015-11-25
申请号：CN201510405189.7
申请日：2015-07-10
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为一种似然度函数粒子滤波的动力电池电荷状态估计方法和系统，由电池Thevenin模型，得到状态和量测方程，参数初始化后，进行状态预测计算状态预测值的均值和协方差，再重新采样、重构采样分布函数。计算电池端电压预测值，计算粒子权值，权值归一化和计算有效粒子数。有效粒子数Neff与有效粒子数阈值Nthr比较，当Neff小于Nthr，采用拉普拉斯分布作为似然度函数，并引入方差调节因子和工况适应因子，以自适应地修改似然度函数的方差，适应动力电池不同工况。最终得到更新的SOC估计值和协方差。本系统微控制器连接电压和电流传感器，微控制器内有各程序执行模块。本发明加大有效粒子数；有效避免了方差的过修正；估算精度优。
-
公开(公告)号：CN103176139B
公开(公告)日：2015-07-29
申请号：CN201310074148.5
申请日：2013-03-08
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为动力电池非光滑迟滞特性补偿的电荷状态估算方法及系统，本法第一步采集电池输出电压和电流，由电池等效电路模型得到各参数的关系式构建神经网络OCV(k)预估模型，求解其中参数，对开路端电压OCV(k)在线估计。第二步SDH模型和RBF2串联组成动态迟滞混合模型。SDH模型以第一步所得OCV(k)为输入，其输出的y(k)和OCV(k)、OCV(k-1)为RBF2的输入，RBF2加权学习间接调整SDH模型的参数，逼近实际的复杂迟滞关系，最终输出在线估算的SOC(k)。本系统由微处理器和安装于电池电路的电流、电压传感器等构成，存储执行本方法的程序，得SOC（k）估算值。本发明借鉴神经网络，补偿了动力电池复杂非光滑迟滞非线性特性，提高SOC(k)在线估算精度。
-
公开(公告)号：CN104502858A
公开(公告)日：2015-04-08
申请号：CN201410851163.0
申请日：2014-12-31
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为基于后向差分离散模型的动力电池SOC估计方法与系统，本方法第一步、建立动力电池的后向差分离散模型，通过含遗忘因子的最小二乘法对后向差分离散模型的参数进行辨识。第二步、基于第一步所得的动力电池的后向差分离散模型，结合开路电压与SOC的非线性关系，采用自适应扩展卡尔曼滤波，完成动力电池SOC的有效估计。本系统动力电池所接的电压、电流传感器经模数转换模块连接嵌入微控制器。微控制器含低通滤波预处理模块、后向差分离散电池模型参数在线辨识模块和AEKF算法SOC估计模块。所得SOC结果送显示器设备的CAN网络。本发明结构简单，提高参数辨识速度和精度，减小历史数据对辨识影响，计算方便，SOC估计精度高。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.033 seconds)
