-
公开(公告)号：CN110398697B
公开(公告)日：2021-06-25
申请号：CN201910668127.3
申请日：2019-07-23
Applicant: 北京工业大学
IPC: G01R31/392 , G01R31/378 , G01R31/367 , G01R31/388
Abstract: 本发明公开了一种基于充电过程的锂离子健康状态估计方法在离线状态下，通过锂离子循环充放电实验获取电压、电流和时间等实验数据，从恒流充电过程中提取特征向量，特征向量为恒流充电过程中局部电压区间[Va,Vb]的时间间隔(恒流充电中，电压从Va到Vb所需要的时间)。并通过灰色关联度分析和高斯过程回归模型对提取的特征向量进行筛选，获取最优特征向量所属的电压区间和其训练模型。在线状态下，获取离线状态下得到的电压区间的时间间隔，作为输入特征向量，输入到已训练的高斯过程回归模型中，得到电池SOH。本发明不需要建立复杂的等效电路模型，通过数据驱动的方法，可在线对电池SOH进行估计，具有非常好的精确度。
-
公开(公告)号：CN107271913B
公开(公告)日：2019-03-22
申请号：CN201710505167.7
申请日：2017-06-28
Applicant: 北京工业大学
IPC: G01R31/367
Abstract: 一种应用于动力电池剩余容量预测的方法涉及动力电池试验及容量预测领域。本方法提出将等效全循环数作为循环计数标准，即将电池在对应SOC区间经历一定循环次数后的累计放电容量等效为该电池随后进行一次全循环(充电过程SOC从0％到100％，放电过程SOC从100％到0％)中放电容量的倍数，将该倍数值视为电池在该SOC区间循环对应次数下的等效全循环数。本方法的应用需要基于实车运行数据或试验数据，因此本发明在等效全循环计数法的基础上提出了相应的实车用户操作方法和实验室内的电池试验方法。本发明对实车数据或试验数据进行拟合，建立电池剩余容量预测模型。本方法统一了不同局部SOC区间动力电池循环计数的标准，优化了动力电池的试验方法及容量预测方法，提高了预测的准确性。
-
公开(公告)号：CN109444762A
公开(公告)日：2019-03-08
申请号：CN201811263259.X
申请日：2018-10-28
Applicant: 北京工业大学
IPC: G01R31/392 , G01R31/387 , G01R31/385
Abstract: 本发明公开了一种基于数据融合的锂离子电池健康状态估计方法，涉及动力电池健康状态估计领域。为了准确估计锂离子电池健康状态而提出的方法。通过采用较为稳定的电池充电过程数据，采用数据融合的方法，估计电池的健康状态，与实际情况比较符合。本发明方法可以适用于各种工况的锂离子电池，包括但不限于全放电工况，部分放电工况，不同放电电流工况；能补偿由于温度和机械震动等外界因素造成的影响。本发明方法可以适用于不同正极材料锂离子电池。本发明方法可以降低因工况不同所造成的某些性能参数的效度降低带来的预测误差，提高电池健康状态预测精度，为电池管理系统提供预警信息并保障动力机械安全可靠运行。
-
公开(公告)号：CN114839536B
公开(公告)日：2024-06-04
申请号：CN202210352554.2
申请日：2022-04-05
Applicant: 北京工业大学
IPC: G01R31/367 , G01R31/392 , G06F17/18
Abstract: 本发明公开了一种基于多健康因子的锂离子电池健康状态估计方法，属于电池管理技术领域，主要解决在快速充电条件下电池健康状态估计精度不高的问题。基于电池快速充放电循环实验中的电压和电流测试数据，从恒流充电过程中提取健康因子组成特征向量，特征向量包含充电过程中局部电压区间内的充电时间、充电能量和信息熵。以特征向量为输入，电池SOH为输出建立高斯过程回归预测模型，并用实验数据对高斯过程回归模型进行训练。在线状态下，获取输入特征向量，输入到已训练的高斯过程回归模型中，可以对电池SOH进行预测。本发明不需要建立复杂的电池物理模型，通过数据驱动的方法，可实现电池SOH在线评估，具有非常高的精确度和较好的通用性。
-
公开(公告)号：CN115308606A
公开(公告)日：2022-11-08
申请号：CN202210869379.4
申请日：2022-07-21
Applicant: 北京工业大学
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于邻近特征的锂离子电池健康状态估计方法，采用大电流充电过程中部分充电电压数据，提取等电压间隔时间、等电压区间电压测量平均值作为特征向量，基于双层长短期记忆神经网络DL‑LSTM，提出利用预测起始点前邻近的2倍历史数据而不是预测起始点前全部历史数据进行模型训练的邻近特征方法，实现电池的可用容量预测。本发明方法适用快速充电条件下电池健康状态预测,解决了大电流充电电池不同老化阶段衰减速率不同对预测精度的影响，将可用容量预测精度提升4倍以上，预测值的平均绝对误差、均方根误差均小于0.5％，并且减少了模型训练的时间成本，对于快速充电条件下电动汽车的发展有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN102267368B
公开(公告)日：2013-10-23
申请号：CN201110112054.3
申请日：2011-04-29
Applicant: 北京工业大学
IPC: B60K6/36
CPC classification number: Y02T10/6221
Abstract: 本发明涉及一种动力耦合机构，适用于轻型并联式混合动力汽车双能源动力输入和多动力输出的传动机构，属于动力传动领域。本机构包括前排太阳轮、后排太阳轮、齿圈、行星架和长、短行星齿轮机构及离合器和制动器等。其动力由后排太阳轮、行星架输入，从前排太阳轮和齿圈输出，并可通过离合器C1、C2，制动器B1、B2的组合运用实现包括：纯电动模式、停车充电模式、发动机起动模式、联合驱动行驶模式、再生制动模式和发动机单独运行模式等工作模式，以最大限度降低整个系统的排放，提高能量利用效率。
-
公开(公告)号：CN115308606B
公开(公告)日：2024-05-31
申请号：CN202210869379.4
申请日：2022-07-21
Applicant: 北京工业大学
IPC: G01R31/367 , G01R31/392 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于邻近特征的锂离子电池健康状态估计方法，采用大电流充电过程中部分充电电压数据，提取等电压间隔时间、等电压区间电压测量平均值作为特征向量，基于双层长短期记忆神经网络DL‑LSTM，提出利用预测起始点前邻近的2倍历史数据而不是预测起始点前全部历史数据进行模型训练的邻近特征方法，实现电池的可用容量预测。本发明方法适用快速充电条件下电池健康状态预测,解决了大电流充电电池不同老化阶段衰减速率不同对预测精度的影响，将可用容量预测精度提升4倍以上，预测值的平均绝对误差、均方根误差均小于0.5％，并且减少了模型训练的时间成本，对于快速充电条件下电动汽车的发展有重要意义。
-
公开(公告)号：CN116505612A
公开(公告)日：2023-07-28
申请号：CN202310522901.6
申请日：2023-05-10
Applicant: 北京工业大学
Abstract: 本发明公开了一种复合式锂离子电池组均衡电路及控制方法，该均衡电路将串联电池组划分电池模块，模块内部使用升降压变换器均衡电路实现模块内部电池电压均衡；模块之间使用谐振变换器均衡电路实现模块之间的电压均衡。4块单体电池的串联电池组的复合式均衡电路中使用4个均衡控制开关、2个升降压变换器和1个谐振变换器。均衡控制以电压为均衡变量，通过均衡控制模块发出控制指令来控制均衡电路中均衡控制开关的导通与关断，由此实现均衡控制。本发明使用电气元件数量较少，简化了均衡电路拓扑结构；通过均衡控制模块实现均衡控制，降低了控制复杂度；通过串联电池组模块化处理，提高了均衡效率。
-
公开(公告)号：CN107271913A
公开(公告)日：2017-10-20
申请号：CN201710505167.7
申请日：2017-06-28
Applicant: 北京工业大学
IPC: G01R31/36
CPC classification number: G01R31/3651 , G01R31/3634
Abstract: 一种应用于动力电池剩余容量预测的方法涉及动力电池试验及容量预测领域。本方法提出将等效全循环数作为循环计数标准，即将电池在对应SOC区间经历一定循环次数后的累计放电容量等效为该电池随后进行一次全循环(充电过程SOC从0％到100％，放电过程SOC从100％到0％)中放电容量的倍数，将该倍数值视为电池在该SOC区间循环对应次数下的等效全循环数。本方法的应用需要基于实车运行数据或试验数据，因此本发明在等效全循环计数法的基础上提出了相应的实车用户操作方法和实验室内的电池试验方法。本发明对实车数据或试验数据进行拟合，建立电池剩余容量预测模型。本方法统一了不同局部SOC区间动力电池循环计数的标准，优化了动力电池的试验方法及容量预测方法，提高了预测的准确性。
-
公开(公告)号：CN103413033A
公开(公告)日：2013-11-27
申请号：CN201310322867.4
申请日：2013-07-29
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 一种预测蓄电池故障的方法属于蓄电池故障预测与诊断领域。利用电池使用过程中的相关数据预测电池是否已经出现故障。基于知识的蓄电池健康状态预测方法，也即模糊预测法，根据某些症状的隶属度来求出各种故障的隶属度，用以表征各种故障存在的倾向性，为判断电池健康状态的预测提供科学依据。为了有效的预测电池以及电池组的故障而提出的方法，实验数据以镍镉电池为实验对象获得，通过对镍镉电池的实时数据进行分析与处理，能得到该电池或电池组在整个运行过程中的健康状况DOH，同时给出电池的维护信息。本方法简单有效，既避免了电池的拆卸与放电测试，又得到了比较准确的电池健康水平。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
