公开(公告)号：CN116280826A

公开(公告)日：2023-06-23

申请号：CN202310306177.3

申请日：2023-03-27

Applicant: 南通大学

Inventor： 陈琨 ,  于玮 ,  徐权杰 ,  高宇轩 ,  杨筱涵

IPC: B65G1/04 ,  B65G1/137 ,  B65B69/00 ,  A61B10/00

Abstract: 本发明公开一种基于核酸机器人的棉签递送和承载装置再利用系统，包括能夹紧棉签的承载盒、可前后移动的升降台装置、储物柜、推力装置、光学传感器、计数系统、棉签外包装袋统一切口装置。通过计数系统，确认一盒棉签是否用完；一旦用完，再通过升降台和推力装置和光学传感器的功能的交叉运用，实现已用完棉签的承载盒的回收与新的装有棉签的承载盒的递送的功能。本发明有效保证了核酸机器人的全自动化，同时相较于旧的每次只递送一根已打开包装的棉签的功能，本发明较好地提高了机器人的工作效率，降低了机器人的工作复杂度，同时提升了棉签的安全性和干净度。

公开(公告)号：CN118914902A

公开(公告)日：2024-11-08

申请号：CN202411134835.6

申请日：2024-08-19

Applicant: 南通大学

Inventor： 李俊红 ,  薛涵文 ,  安振生 ,  华亮 ,  丁杰 ,  赵高麒 ,  杨筱涵

IPC: G01R31/392 ,  G06F18/214 ,  G06N3/006 ,  G06N3/0499 ,  G06F30/27 ,  G01R31/367 ,  G01R31/378 ,  G06F119/02

Abstract: 本申请公开了一种基于降维的智能优化神经网络锂电池SOH预测方法，包括：基于锂离子电池进行间歇恒流放电的实验数据，对实验数据进行降维预处理，获取电池特征样本；获取BP神经网络模型的节点个数；对BP神经网络模型的参数进行优化，获取NOA‑BP神经网络预测模型；基于NOA‑BP神经网络模型，对电池健康状态进行预测并进行结果分析。本申请在神经网络过程中引入智能优化算法，对神经网络各层初始权值进行优化，不仅提升了模型性能和训练效率，更保证了算法在精度及收敛速度上的优越性。最终优化为NOA‑BP神经网络模型，利用其完成SOH预测，辨识精度较高。

公开(公告)号：CN118604629A

公开(公告)日：2024-09-06

申请号：CN202410671505.4

申请日：2024-05-28

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  安振生 ,  薛涵文 ,  华亮 ,  杨筱涵 ,  赵一涵 ,  阚锐 ,  吕萌

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明提供了一种基于多模态分解的锂离子电池SOH估计方法，属于锂离子电池技术领域。解决了卷积神经网络模型可解释性差的技术问题。其技术方案为：包括以下步骤：步骤1)对SOH进行EMD分解，以获得本征模态函数imf和残余信号res；步骤2)构建用于本征模态函数imf和残差信号res估计的2DCNN训练数据集和测试数据集；步骤3)使用2DCNN对数据集进行训练和测试。本发明的有益效果为：本发明将训练的数据集导入2DCNN中进行训练，最终可用于锂离子电池SOH的估计。

公开(公告)号：CN119414751A

公开(公告)日：2025-02-11

申请号：CN202411474577.6

申请日：2024-10-22

Applicant: 南通大学

Inventor： 李俊红 ,  杨筱涵 ,  顾菊平 ,  程赟 ,  赵一涵 ,  吕萌 ,  阚锐

IPC: G05B19/042

Abstract: 本发明提供了一种基于改进SABO算法的热泵控制系统辨识方法，属于工业控制过程系统辨识技术领域。解决了样本数据不足情况下的系统辨识，以及系统参数辨识过程中SABO算法易陷入局部最优解的技术问题，其技术方案为：包括以下步骤：步骤1)构建一个具有死区特性的空气源热泵控制系统的单输入单输出Hammerstein模型，并获得在样本数据不足条件下具有死区特性的空气源热泵控制系统Hammerstein系统辨识模型；步骤2)构建改进SABO算法的辨识流程。本发明的有益效果为：有较快的收敛速度和较高的辨识精度，输出的参数估计误差小，同时说明了该辨识方法对于空气源热泵控制系统参数辨识有较好的适用性。

公开(公告)号：CN119125899A

公开(公告)日：2024-12-13

申请号：CN202411360202.7

申请日：2024-09-27

Applicant: 南通大学

Inventor： 李俊红 ,  安振生 ,  薛涵文 ,  华亮 ,  段雅棋 ,  赵高麒 ,  杨筱涵

IPC: G01R31/367 ,  G06N3/043 ,  G06N3/08 ,  G06F30/367 ,  G06F18/2415 ,  G01R31/378 ,  G01R31/387 ,  G01R31/396

Abstract: 本发明提供了一种基于自适应模糊神经网络误差补偿的SOC估计方法，属于锂离子电池技术领域。解决了AEKF预测SOC误差过大的问题。其技术方案为：包括以下步骤：步骤1)对锂离子电池进行间歇恒流放电实验；步骤2)建立二阶RC等效电路模型；步骤3)利用AEKF进行锂电池SOC粗估计；步骤4)提出一种基于自适应模糊神经网络的误差补偿网络；步骤5)利用自适应模糊神经网络得到的预测误差，补偿粗预测结果。本发明的有益效果为：本发明对SOC进行预测修正，具有很高的精度。