-
公开(公告)号：CN114487890B
公开(公告)日：2024-11-26
申请号：CN202210094201.7
申请日：2022-01-26
Applicant: 中南大学
IPC: G01R31/392
Abstract: 本发明公开了一种改进长短期记忆神经网络的锂电池健康状态估计方法。其步骤为：获取锂电池实验数据集；根据容量计算电池实际的健康状态，提取若干个能够表征电池健康状态的老化特征并对特征数据进行标准化处理；初始化相关参数并建立改进的长短期记忆神经网络模型，确定网络中需要优化的参数；对改进的长短期记忆神经网络估计模型进行训练；将训练得到的最优参数值作为长短期记忆神经网络模型中对应的值来进行锂离子电池健康状态的估计。本发明能够有效提高锂离子电池健康状态的估计精度。
-
公开(公告)号：CN118899822A
公开(公告)日：2024-11-05
申请号：CN202410943543.0
申请日：2024-07-15
Applicant: 中南大学
Abstract: 本发明提供一种直流微电网的控制方法及电子设备，方法包括采集每个电池储能单元双向变换器的输出电流、输出电压和电感电流；通过电压电流双闭环电路和下垂控制作为一次控制，实现基本功率分配；二次控制时，基于相邻电池储能单元的双向变换器之间的通信，获取邻居双向变换器的输出电流信息和下垂系数，结合协同一致性获取功率分配的偏差值，获得功率分配修正项；基于相邻电池储能单元的双向变换器之间的通信，获取邻居双向变换器的输出电压信息，输入到模型预测控制器中，根据预测模型和成本函数获得电压恢复控制量，获得电压修正项；将功率分配修正项和电压修正项均添加到一次控制的参考电压上；本发明能够实现功率精确分配和母线电压恢复。
-
公开(公告)号：CN114771520B
公开(公告)日：2024-08-02
申请号：CN202210331495.0
申请日：2022-03-31
Applicant: 中南大学
IPC: B60W30/14 , B60W40/00 , B60W40/10 , B60W40/105 , B60W30/09
Abstract: 本发明提供了一种基于强化学习的电动汽车经济性自适应巡航控制方法及系统，所述方法包括：建立跟驰系统的马尔科夫模型；根据强化学习中Actor‑Critic算法，设计自适应巡航控制器；根据自适应巡航控制器的速度控制信号，根据逆动力学模型转化为加速/减速踏板卡开度，控制车辆安全跟随前车。本发明能够实现安全、舒适、平稳的跟随前车，避免碰撞行为发生，自适应能力较好。与只考虑驾驶安全的控制策略相比，在相同驾驶周期内，电池荷电状态有所提高。
-
公开(公告)号：CN114572053B
公开(公告)日：2024-08-02
申请号：CN202210212931.2
申请日：2022-03-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于工况识别的电动汽车能量管理方法及系统，其方法包括：构建三种工况模式下基于神经网络的能量管理模型；采集实时的行驶工况速度数据，通过滑动窗口提取工况段特征，并进行主成分分析；将特征参数输入模糊逻辑，得到工况识别结果；根据工况识别结果，选择分类结果所对应的基于神经网络的能量管理模型；将超级电容和锂电池的电流电压以及速度信息特征输入到训练好的神经网络模型中，得到超级电容的参考电流，实现实时能量管理。本发明根据工况实时调整能量管理策略，充分利用了超级电容的优点，有效延长了锂电池的寿命。
-
公开(公告)号：CN118405032A
公开(公告)日：2024-07-30
申请号：CN202410878421.8
申请日：2024-07-02
Applicant: 中南大学
Abstract: 本发明提供一种重载列车实时负载调度的稳压控制方法及装置，其中方法包括：S1、计算自主型负载的可调度性，并将可调度性添加到自主型负载的属性中；S2、实时检测每一时刻的待执行的自主型负载，并维护待执行负载队列；S3、更新当前总功率需求，总功率需求包括自主型负载的功率和事件触发型负载的功率；实时将更新后的总功率传输给控制系统的前馈补偿器，作为前馈输入补偿；S4、按照待执行负载队列中自主型负载优先级的大小，为自主型负载搜索最佳执行时间，并将获得的最佳执行时间传输给负载决策系统执行；S5、当有事件触发型负载触发时，重复步骤S2~S4；本发明能够基于实时负载进行调度达到有效控制母线电压保持稳定的目的。
-
Patent Agency Ranking
公开(公告)号：CN116501027A
公开(公告)日：2023-07-28
申请号：CN202310784140.1
申请日：2023-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种分布式制动系统健康评估方法、系统、设备及存储介质，其中方法包括：对于充风电磁阀和排风电磁阀，基于其驱动电流曲线计算其健康评估指标，并输入至电磁阀健康评估模型以得到其健康状态；对于分布式制动系统中其他部件，根据失效率、可靠度、有效度和重要度计算其健康状态；对于三个压力控制模块，提取其阶段性特征和跟随性特征计算其健康状态指标；然后根据分布式制动系统当前状态下所处的制动功能模式建立包含部件‑模块‑系统三个层次的贝叶斯网络模型；根据各节点的后验概率和前述计算的部件节点的健康状态，基于贝叶斯网络模型计算得到分布式制动系统的健康状态。可以实现分布式制动系统健康状态的准确评估。
-
公开(公告)号：CN114771520A
公开(公告)日：2022-07-22
申请号：CN202210331495.0
申请日：2022-03-31
Applicant: 中南大学
IPC: B60W30/14 , B60W40/00 , B60W40/10 , B60W40/105 , B60W30/09
Abstract: 本发明提供了一种基于强化学习的电动汽车经济性自适应巡航控制方法及系统，所述方法包括：建立跟驰系统的马尔科夫模型；根据强化学习中Actor‑Critic算法，设计自适应巡航控制器；根据自适应巡航控制器的速度控制信号，根据逆动力学模型转化为加速/减速踏板卡开度，控制车辆安全跟随前车。本发明能够实现安全、舒适、平稳的跟随前车，避免碰撞行为发生，自适应能力较好。与只考虑驾驶安全的控制策略相比，在相同驾驶周期内，电池荷电状态有所提高。
-
公开(公告)号：CN114572053A
公开(公告)日：2022-06-03
申请号：CN202210212931.2
申请日：2022-03-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于工况识别的电动汽车能量管理方法及系统，其方法包括：构建三种工况模式下基于神经网络的能量管理模型；采集实时的行驶工况速度数据，通过滑动窗口提取工况段特征，并进行主成分分析；将特征参数输入模糊逻辑，得到工况识别结果；根据工况识别结果，选择分类结果所对应的基于神经网络的能量管理模型；将超级电容和锂电池的电流电压以及速度信息特征输入到训练好的神经网络模型中，得到超级电容的参考电流，实现实时能量管理。本发明根据工况实时调整能量管理策略，充分利用了超级电容的优点，有效延长了锂电池的寿命。
-
公开(公告)号：CN114448071A
公开(公告)日：2022-05-06
申请号：CN202210121275.5
申请日：2022-02-09
Applicant: 中南大学
Abstract: 本发明公开了一种超级电容储能系统的母线电压自适应调节方法及系统，该方法采用自适应控制策略调节母线电压和/或采用设定点调节策略调节母线电压；自适应控制策略是采用固定参数的电流内环以及自适应的电压外环的双环控制策略，电压外环的比例参数和积分参数随超级电容的端电压动态变化，且系统闭环带宽远离右半平面的零点：所述设定点调节策略为：当前母线电压的实际值与期望值的差值在误差允许范围内，不进行调整；不在误差允许范围内，根据当前的差值并利用超前补偿器计算预测误差，并利用所述预测误差确定调整量并进行调整。通过上述方法可以有效缓解输入电压突变或负载突变情况对输出电压造成的波动影响。
-
公开(公告)号：CN108009362B
公开(公告)日：2021-06-11
申请号：CN201711261032.7
申请日：2017-12-04
Applicant: 中南大学
IPC: G06F30/27 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种基于稳定性约束RBF‑ARX模型的非线性系统建模方法，采用RBF‑ARX模型描述对象的非线性动态特性，并针对该类模型结构相对复杂且模型参数较多可能导致模型的稳定性与实际系统不一致的问题，设计一种带有稳定性约束的结构化非线性参数优化方法，以保证辨识的RBF‑ARX模型具有与实际系统一致的稳定性。与现有技术相比，本发明可在保证模型的一步预测精度的基础上提高模型的长期预测能力，对于基于数据驱动方法的建模与预测控制算法设计问题具有很高的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.026 seconds)
