-
公开(公告)号：CN112682329A
公开(公告)日：2021-04-20
申请号：CN202011555001.4
申请日：2020-12-24
Applicant: 北京理工大学
IPC: F04D17/12 , F04D25/06 , F04D29/057 , F04D29/42 , F04D29/28 , F04D29/30 , F04D27/00 , H02K5/16 , H02K7/14
Abstract: 本发明公开了一种燃料电池高速电动空气压缩机，包括电机和压缩组件；所述压缩组件与所述电机连接；所述电机被设置为用于驱动所述压缩组件转动；所述电机上设有空气轴承，所述电机的定子组件与所述电机的转子组件通过所述空气轴承转动连接。本发明能够减少阻力，提高空气压缩机的转速。
-
公开(公告)号：CN112356833B
公开(公告)日：2021-04-13
申请号：CN202110045403.8
申请日：2021-01-13
Applicant: 北京理工大学
Abstract: 本发明提供一种跨域结构的电动汽车自适应巡航系统及其控制与分析方法。所述自适应巡航系统包括传感器组、域控制器组、执行器组和控制策略。传感器组、域控制器组和执行器组通过三条网络连接。控制策略采用复合多模块结构，各模块分别运行在ADAS域控制器和底盘域控制器中，其可对控制回路中的聚合多业务延时进行补偿和抑制。本发明也对延时上界提出了分析方法。本发明可提高基于域架构的自适应巡航系统的实时性，确保系统的稳定性。
-
公开(公告)号：CN112510798A
公开(公告)日：2021-03-16
申请号：CN202110139152.X
申请日：2021-02-02
Applicant: 北京理工大学
Abstract: 本发明提出一种梯次电池混合储能系统及其功率分配方法，该系统将梯次电池组和具有梯次电池互补特性的储能器件作为两个储能单元，通过双向DC/DC变换器接到直流总线，能量管理系统根据功率分配方法控制两个储能单元。本发明为解决退役锂电池处理以及其梯次利用问题，针对梯次电池功率密度低、响应速度慢，使用具有梯次电池互补特性的储能器件和梯次电池组形成互补混合储能系统，从而降低系统成本，增加梯次电池全生命周期收益。
-
公开(公告)号：CN112018465B
公开(公告)日：2021-01-29
申请号：CN202011087624.3
申请日：2020-10-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种多物理场约束的锂离子电池智能快速充电方法，包括以下步骤：S1.开展锂离子电池测试，建立锂离子电池电热耦合模型和老化模型；S2.定义动作空间和奖励函数，定义优先经验回放池；S3.设定离线训练场景，获取初始时刻状态变量，利用策略网络获取当前状态下的动作变量，并扩大动作选取范围；S4.生成充电动作、电池状态转移、奖励值并记录于经验池，进行DDPG网络的同步更新；S5.循环执行S3‑S4，直至策略网络和价值网络收敛，导出策略网络成为深度强化学习（DRL）快速充电策略；S6.估计强化学习状态空间内的各个变量；S7.确定当前时刻的最优充电动作。本发明兼顾充电速度、电池安全与寿命衰减抑制，训练后策略计算复杂度低，实时应用具有优势。
-
公开(公告)号：CN112018465A
公开(公告)日：2020-12-01
申请号：CN202011087624.3
申请日：2020-10-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种多物理场约束的锂离子电池智能快速充电方法，包括以下步骤：S1.开展锂离子电池测试，建立锂离子电池电热耦合模型和老化模型；S2.定义动作空间和奖励函数，定义优先经验回放池；S3.设定离线训练场景，获取初始时刻状态变量，利用策略网络获取当前状态下的动作变量，并扩大动作选取范围；S4.生成充电动作、电池状态转移、奖励值并记录于经验池，进行DDPG网络的同步更新；S5.循环执行S3-S4，直至策略网络和价值网络收敛，导出策略网络成为深度强化学习（DRL）快速充电策略；S6.估计强化学习状态空间内的各个变量；S7.确定当前时刻的最优充电动作。本发明兼顾充电速度、电池安全与寿命衰减抑制，训练后策略计算复杂度低，实时应用具有优势。
-
Patent Agency Ranking
公开(公告)号：CN109841926B
公开(公告)日：2020-09-22
申请号：CN201910275815.3
申请日：2019-04-08
Applicant: 北京理工大学
IPC: H01M10/633 , H01M10/63 , H01M10/625 , H01M10/615 , H01M10/6571
Abstract: 本发明涉及一种动力电池低温快速自加热方法和装置，利用一种主动可控的大电流无损短路自加热配合外部加热器实施快速复合加热，使电池在低温环境下快速加热并控制在最优工作温度区间，提高电池能量利用率、增强电池系统耐久性。启动之前先判断电池温度，当温度低于阈值时首先主动触发外短路，产生大电流实施电池内部自加热，公开了一种大电流无损短路时间阈值的确定方法，根据短路临界时间与电流二次峰值构建电池外部短路的无损时间阈值，确保在短路快速加热过程中，电池安全性与寿命不会受到影响，进而依据模型预估电池无损短路自加热的温升，如果温升达不到目标温度，则启用外部加热器协同工作，使电池系统升温并维持在最优工作温度区间。该方法简单、易于实现、且安全可靠，可有效解决电动汽车在低温严寒工况下容量衰退大、工作性能差的问题。
-
公开(公告)号：CN111198327A
公开(公告)日：2020-05-26
申请号：CN202010110503.X
申请日：2020-02-24
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/3842 , G01R31/389 , G01R31/52
Abstract: 本发明公开了一种单体电池内短路故障自检测方法，包括以下步骤：S1.建立电池一阶等效电路模型，确立荷电状态(SOC)与开路电压(OCV)的函数关系，辨识模型参数；S2.实时测量电池的负载电流和端电压；S3.计算相邻时刻的安时增量，采用闭环状态观测器在线估计电池SOC，依据所得的安时增量以及SOC变化值计算内短路电流；S4.对估计的内短路电流进行滤波，依据滤波后的内短路电流及负载电压，采用带自适应遗忘因子的递归最小二乘法在线辨识电池内短路电阻；根据预设的内短路电阻阈值，比较并判定电池内短路状态。本发明仅通过测量单体电池的端电压与负载电流即可实现单体电池内短路电阻的在线辨识，不需要电池组内其他单体信息。
-
公开(公告)号：CN108427985B
公开(公告)日：2020-05-19
申请号：CN201810003466.5
申请日：2018-01-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于深度强化学习的插电式混合动力车辆能量管理方法，其对多源高维行驶工况信息进行了表征提取，并处理为低维表征向量；利用冗余信息剔除算法，对所得低维表征向量、车辆自身状态信息、坡度等工况状态表征进行降维、融合处理，得到低维连续工况信息；构建基于深度强化学习的插电式混合动力车辆能量管理框架，输入低维连续工况信息，完成离线训练；利用训练好的策略控制能量分配，为综合考虑了多源高维行驶工况信息对插电式混合动力车辆能量管理效果的影响提供了途径，并可利用强化学习自主学习最优能量分配方案，挖掘其节能潜力。
-
公开(公告)号：CN110212710B
公开(公告)日：2020-05-08
申请号：CN201910521944.6
申请日：2019-06-17
Applicant: 北京理工大学
IPC: H02K15/00
Abstract: 本发明提供了一种车用永磁同步电机设计方法，其不仅可以基于永磁同步电机的实际性能需求确定电机结构参数，如定子内径、转子外径、气隙长度、电枢计算长度等，还可以通过计算机仿真的方式模拟分析所设计永磁同步电机的输出性能，分析验证设计方法确定的电机结构参数并降低试验样机在性能输出量、动态特性和工作效率等方面不满足设计要求的可能性，从而降低永磁同步电机的设计成本、缩短其设计周期。
-
公开(公告)号：CN111047085A
公开(公告)日：2020-04-21
申请号：CN201911239316.5
申请日：2019-12-06
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于元的方式，模型训练过程被划分为两个部分：离线执行的预训练与在线执行的微调训练。预训练针对多种工况进行并行训练，以获得泛化性能较好的基模型。微调学习的混合动力车辆工况预测方法，其在深度神经网络的基础上结合了多任务训练训练在基模型基础上针对特定工况进行训练，时间成本低，可以应用于模型的在线修正环节。此外，基于上述流程，还进一步给出了一种由离线训练、在线训练和实时预测三部分组成的车速预测模型在线应用框架，可应用于实际交通条件下的工况预测任务。
-
-
-
-
-
-
-
-
-
Search Results
309
records
(took 0.025 seconds)
