-
公开(公告)号：CN112319308B
公开(公告)日：2022-03-22
申请号：CN202011214794.3
申请日：2020-11-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心 , 北京理工新源信息科技有限公司
Abstract: 本发明涉及一种动力电池多故障检测方法与系统。该动力电池多故障检测方法与系统，在以多个单体电池的电压时间序列数据为基础，构建得到电压矩阵和压差矩阵之后，采用阈值计数法确定每一电池单体被计数的次数，然后，根据次数和计数总数确定得到每一单体电池的频率向量，最后根据频率向量和预设频率阈值快速、精确的判断得到故障单体后，输出故障单体的编号。并且，采用的数据为电压时间序列数据，使得整个确顶过程更加全面，进而解决了现有技术中存在的不能精确、快速以及全面对动力电池故障进行检测的问题。
-
公开(公告)号：CN112319308A
公开(公告)日：2021-02-05
申请号：CN202011214794.3
申请日：2020-11-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心 , 北京理工新源信息科技有限公司
Abstract: 本发明涉及一种动力电池多故障检测方法与系统。该动力电池多故障检测方法与系统，在以多个单体电池的电压时间序列数据为基础，构建得到电压矩阵和压差矩阵之后，采用阈值计数法确定每一电池单体被计数的次数，然后，根据次数和计数总数确定得到每一单体电池的频率向量，最后根据频率向量和预设频率阈值快速、精确的判断得到故障单体后，输出故障单体的编号。并且，采用的数据为电压时间序列数据，使得整个确顶过程更加全面，进而解决了现有技术中存在的不能精确、快速以及全面对动力电池故障进行检测的问题。
-
公开(公告)号：CN119438952A
公开(公告)日：2025-02-14
申请号：CN202411235771.9
申请日：2024-09-04
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
IPC: G01R31/392 , G06F18/2113 , G06F18/23 , G06N3/0442 , G06N3/096
Abstract: 本发明提供了一种基于充电工况辨识的新能源汽车电池衰退预测方法，其首先针对新能源汽车动态且多变的运行特性，通过聚类方式识别出典型车辆充电工况。随后基于充电工况辨识结果针对性地提取不同健康特征，并对历史行为特征引入多级特征筛选策略，从而构建起一个全面有效的特征库。利用这些特征长短期记忆(LSTM)网络建立数据驱动模型以用于重建历史容量轨迹和预测电池退化。为提高该方法在不同场景下的效率和准确性，本发明还引入了迁移学习策略来对所构建的预测模型进行修正。
-
公开(公告)号：CN119192889A
公开(公告)日：2024-12-27
申请号：CN202411514291.6
申请日：2024-10-29
Applicant: 北京理工大学
IPC: C09D1/04 , H01M10/658 , H01M10/625 , H01M50/24 , H01M50/249 , H01M50/242 , C09D1/00 , C09D129/04 , C09D101/28 , C09D4/02 , C09D7/61 , C09D7/63
Abstract: 本发明属于隔热材料技术领域，具体涉及一种防热冲击涂料、隔热保护层及其制备方法和应用。本发明提供的防热冲击涂料包括以下质量份数的组分：无机纳米纤维粉10～25份、空心玻璃微珠5～15份、红外遮蔽剂3～10份、粘结剂15～30份、偶联剂10～15份、固化剂3～5份、水解剂1～2份和稀释剂1～2份；所述无机纳米纤维粉包括纳米陶瓷纤维粉和/或纳米矿石纤维粉。本发明提供的防热冲击涂料采用无机纳米纤维粉作为关键组分，赋予涂料极低的热传导率和良好的力学性能，辅助成分的配比，进一步提高纤维与基体的界面结合力，增强了涂层的综合力学性能、绝热性能和环境稳定性，所得防热冲击涂料具有隔热性能优异、与基材结合牢固、耐高温、可长期使用的特点。
-
公开(公告)号：CN118731702A
公开(公告)日：2024-10-01
申请号：CN202410513892.9
申请日：2024-04-26
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G01R31/00 , B60L58/16 , G06F18/214 , G06N3/084
Abstract: 本发明提供了一种基于大数据和混合机器学习的实车锂电池SOH估计方法，通过将CatBoost嵌入作为NGBoost算法的基学习器，提供了一种新的N‑CatBoost提升算法框架，能够综合两种算法的优势，使CatBoost的高效处理分类特征和防止过拟合的能力与NGBoost的预测不确定性评估能力都得以充分发挥，从而显著提升了锂电池SOH的估计精度。
-
Patent Agency Ranking
公开(公告)号：CN118625185A
公开(公告)日：2024-09-10
申请号：CN202410683076.2
申请日：2024-05-29
Applicant: 中国第一汽车股份有限公司 , 北京理工大学
IPC: G01R31/389 , G01R31/396 , G01R31/367 , G01R31/36
Abstract: 本申请涉及一种电池内阻确定方法、装置、计算机设备和存储介质。所述方法包括：获取当前车辆的驱动电池在当前时段内的当前运行数据；将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。采用本方法能够通过元学习模型对回归模型优化，提高电池内阻估计网络的鲁棒性，进而使得电池内阻估计网络获取得到的目标内阻值更加准确，同时，本申请可以通过电池内阻估计网络对车辆驱动电池的内阻值进行批量估计，进一步提高了内阻值确定的效率。
-
公开(公告)号：CN118604616A
公开(公告)日：2024-09-06
申请号：CN202410557286.7
申请日：2024-05-07
Applicant: 隆瑞三优新能源汽车科技有限公司 , 北京交通大学 , 北京理工大学
IPC: G01R31/36 , G01R31/367 , G01R31/378 , G01R31/382 , G01R31/385 , G01R31/387
Abstract: 本发明从考虑熵热影响的电池内阻等效电路模型出发，由热力学第一定律推导了熵热系数与开路电压的关系，得到更加完善的单向充电效率的计算公式。通过对钛酸锂电池在不同温度和倍率下的充电工况测得的数据进行计算，得到考虑熵热的更为准确的充电效率，以此为神经网络训练数据，建立钛酸锂电池充电效率预测模型。相比于最新充电效率计算和预测方法，本发明熵热系数与开路电压的关系得到连续时间下的充电效率计算方法。此外，采用BP神经网络，通过对比不同的超参数组合，得到了从最优的充电效率预测模型。并且最终将模型转换成Tensorflow Lite，将神经网络集成到嵌入式中，实现了对钛酸锂电池充电效率的在线预测。
-
公开(公告)号：CN114355220B
公开(公告)日：2024-08-20
申请号：CN202111527346.3
申请日：2021-12-14
Applicant: 北京理工新源信息科技有限公司 , 北京理工大学
IPC: G01R31/392
Abstract: 本发明提供了一种基于大数据的新能源汽车驱动电机老化程度评估方法，其通过对同车型使用的同款驱动电机转矩参数值进行大数据分析得出该类电机输出转矩低、中、高的阈值范围；再结合待评估目标车辆的驱动转矩‑行驶里程函数斜率值，实现了其行驶片段的转矩水平进行划分，从而能够根据历史行程中电机的转矩表现反映出老化程度。该方法能够有效地利用实车大数据，使监管方和车主可以随时对电机的健康状况进行获取，克服了现有的线下检验方法的诸多不足。此外，该方法对新能源汽车全生命周期电机转矩参数特征的描述也可对汽车生产厂家对电机额定转矩的选取提供参考和指导，还可对电机设计生产厂家后续对于电机的优化设计和改进提供参考。
-
公开(公告)号：CN118494529A
公开(公告)日：2024-08-16
申请号：CN202410537216.5
申请日：2024-04-30
Applicant: 北京理工大学前沿技术研究院
Abstract: 本发明公开一种无人驾驶安全决策方法、装置、介质及产品，涉及智能车辆决策与规划技术领域，所述方法包括：基于目标车辆的环境信息和第一决策模型，确定目标车辆未来纵向加速度的第一决策值；基于目标车辆的环境信息、各周围车辆的历史车辆信息、第一决策值以及意图识别与安全状态判定模型，确定目标车辆预设未来时段的ST图和安全状态；若安全，则将第一决策值确定为目标车辆的纵向加速度的实际值；若存在碰撞风险，则基于目标车辆的车辆信息、ST图、第一决策值以及改进蒙特卡洛树算法，确定目标车辆未来纵向加速度的第二决策值，并将第二决策值确定为目标车辆的纵向加速度的实际值。本发明降低了车辆在交叉口的碰撞率，提高了车辆通行效率。
-
公开(公告)号：CN118393364A
公开(公告)日：2024-07-26
申请号：CN202410510192.4
申请日：2024-04-26
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/00 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/09 , G06F123/02
Abstract: 本发明公开了一种动力电池系统多故障诊断方法、装置、介质及产品，涉及电池故障检测技术领域。方法包括：将充电参数组序列输入到多步电压预测模型中，得到目标电池单体当前时刻后的电压差分序列；将电压差分序列输入到多故障分类模型中，得到故障分类结果；确定最大概率对应的故障类型为目标电池单体当前时刻的故障类型；根据最大概率确定为目标电池单体当前时刻的故障程度。本发明通过构建多步电压预测模型和多故障分类模型，能够完成动力电池系统多种故障不同故障程度的预测，进而提高故障应对的合理性。
-
-
-
-
-
-
-
-
-
Search Results
478
records
(took 0.034 seconds)
