-
公开(公告)号：CN114779103B
公开(公告)日：2024-12-17
申请号：CN202210453820.0
申请日：2022-04-24
Applicant: 南通大学
IPC: G01R31/385 , G01R31/367 , G06N3/02
Abstract: 本发明提供了一种基于时滞卷积神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了不能够将时滞与卷积神经网络直接结合的技术问题。其技术方案为：包括以下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流和温度；步骤2)对测取的数据进行预处理，构建用于SOC估计的时滞卷积神经网络训练数据集和测试数据集；步骤3)使用时滞卷积神经网络对数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明中的时滞卷积神经网络能够考虑更多的数据且能够拥有更高的估计精度。
-
公开(公告)号：CN114237044B
公开(公告)日：2023-07-18
申请号：CN202111432889.7
申请日：2021-11-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于递阶引力搜索的循环流化床锅炉模型辨识方法，属于循环流化床锅炉模型系统辨识技术领域；解决了循环流化床锅炉进行分析、预测的模型问题。其技术方案为：包括如下步骤：步骤1)构建表述循环流化床锅炉床温的多变量状态空间模型，根据所构建的系统模型获取循环流化床锅炉床温的辨识模型；步骤2)构建递阶引力搜索算法的辨识流程。本发明的有益效果是：本发明的方法辨识可显著降低所需辨识信息矩阵及参数向量维度，从而使该方法的计算量大幅降低，本发明的方法辨识精度高，收敛速度快，适用于循环流化床锅炉床温模型的参数辨识。
-
公开(公告)号：CN114566227B
公开(公告)日：2022-11-18
申请号：CN202110878223.8
申请日：2021-07-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于牛顿迭代算法的PH中和过程模型辨识方法，包括以下步骤：步骤1)构建PH中和过程分数阶Hammerstein CAR模型，根据所构建的系统模型获取PH中和过程的辨识模型；步骤2)构建牛顿迭代算法的辨识流程。本发明的有益效果为：使用本发明的牛顿迭代算法的PH值中和过程模型辨识方法进行的参数辨识结果可以看出，该方法的辨识精度较高，输出的参数估计误差较小；同时，也说明本辨识方法对于本PH中和过程模型有较好的适用性。
-
公开(公告)号：CN115114791A
公开(公告)日：2022-09-27
申请号：CN202210766881.2
申请日：2022-06-30
Applicant: 南通大学
IPC: G06F30/20 , G06F17/18 , G06F111/08 , G06F119/08 , G06F111/10
Abstract: 本发明提供了一种基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法，属于回转窑烧成带温度控制系统辨识技术领域。解决了整数阶模型不够精确，以及基本樽海鞘算法精度不够高、收敛速度较慢的技术问题。其技术方案为：包括以下步骤：步骤1)构建回转窑烧成带温度的分数阶CARMA模型；步骤2)构建改进樽海鞘算法的辨识流程。本发明的有益效果为：本发明的改进樽海鞘算法的回转窑烧成带温度模型辨识方法的辨识精度高，输出的参数估计误差小；同时，也说明了该辨识方法对于回转窑烧成带温度模型具有较好的适用性。
-
公开(公告)号：CN115062467A
公开(公告)日：2022-09-16
申请号：CN202210665714.9
申请日：2022-06-13
Applicant: 南通大学
Abstract: 本发明提供了一种基于樽海鞘算法的单集气管压力控制模型辨识方法，属于集气管压力控制系统辨识技术领域。在模型上，解决了常用的整数阶模型不够精确，导致辨识精度不够高的技术问题；在辨识方法上，解决了梯度迭代法收敛速度较慢，会使辨识结果陷入局部最优，选择迭代步长时需要考虑辨识结果发散的技术问题。其技术方案为：包括以下步骤：步骤1)构建单集气管阀位和压力的分数阶CARMA模型；步骤2)构建樽海鞘算法的辨识流程。本发明的有益效果为：本发明的樽海鞘算法的单集气管压力控制模型辨识方法进行的参数辨识结果中，可以看出，该方法的辨识精度高，输出的参数估计误差小；同时，也说明本辨识方法对于单集气管压力控制模型具有较好的适用性。
-
Patent Agency Ranking
公开(公告)号：CN115267549A
公开(公告)日：2022-11-01
申请号：CN202210883000.5
申请日：2022-07-26
Applicant: 南通大学
IPC: G01R31/367
Abstract: 本发明提供了一种复杂工况下的锂离子电池非线性建模方法，属于锂离子电池技术领域，解决了复杂工况下最小二乘类算法辨识效果差、传统等效电路模型精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)对电池进行DST和FUDS工况测试；步骤2)建立锂离子电池NL‑ECM模型；步骤3)构建GWO的算法流程；步骤4)在GWO基础上进行改进，构建IGWO；步骤5)利用IGWO辨识模型参数，在多种工况下利用辨识结果进行端电压预测。本发明的有益效果为：本发明在ECM基础上引入块结构，构建NL‑ECM模型，在DST工况下利用IGWO进行参数辨识，算法收敛速度快，辨识结果准确，构建的模型精度明显高于ECM。
-
公开(公告)号：CN114660941A
公开(公告)日：2022-06-24
申请号：CN202210323000.X
申请日：2022-03-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于递阶辨识原理的交流电弧炉电极系统辨识方法，属于交流电弧炉电极系统辨识技术领域。解决了过于简化真实的电极系统结构而导致模型精度较低的问题。将递阶辨识应用在模型中，进一步提高了辨识精度。其技术方案为：包括以下步骤：步骤1)建立交流电弧炉电极系统的单输入单输出Hammerstein‑Wiener模型；步骤2)构建极大似然最小二乘和随机梯度的递阶辨识流程。本发明的有益效果为：本发明提出的极大似然最小二乘递阶辨识算法，有较快的收敛速度和较高的收敛精度，能较好的适用于对交流电弧炉电极系统的建模和参数辨识。
-
公开(公告)号：CN114062948B
公开(公告)日：2022-05-20
申请号：CN202210025289.7
申请日：2022-01-11
Applicant: 南通大学
IPC: G01R31/387 , G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明提供了一种基于3DCNN的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了SOC估计方法中3DCNN卷积神经网络难以用于SOC估计的问题。其技术方案为：该方法包括以下步骤：步骤1）通过放电实验，反复测取电流等数据；步骤2）数据预处理并构建数据集；步骤3）通过3DCNN卷积神经网络对数据集进行训练，得到3DCNN模型用于实时估计。本发明的有益效果为：本发明使用的卷积神经网络结构能够发掘相邻放电周期之间同一时间点上输入数据的联系，时间维度上的卷积核不仅能考虑循环次数，还能提取各个循环之间的特征关系，且凭借其高适应能力，还可以进行电池剩余容量、电池剩余寿命等电池各个参数的预测。
-
公开(公告)号：CN114487845A
公开(公告)日：2022-05-13
申请号：CN202210038879.3
申请日：2022-01-13
Applicant: 南通大学
IPC: G01R31/367 , G01R31/382 , G06N3/04
Abstract: 本发明提供了一种基于融合神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为：步骤1)将全新锂电池充满电，测取SOC从1到0的锂离子电池的端电压、电流、温度；步骤2)对测取的数据进行预处理；步骤3)使用2DCNN卷积神经网络对新的数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明在数据集中加入估计的电池容量数据，能够拥有更高的估计精度，相比较LSTM，不会将误差一直记忆；并且，短的历史数据长度也能拥有更快的估计速度；相较使用3DCNN来估计SOC，能够减少运算量并且减少不必要的误差输入，从而拥有更高的精度。
-
公开(公告)号：CN115062467B
公开(公告)日：2024-08-13
申请号：CN202210665714.9
申请日：2022-06-13
Applicant: 南通大学
Abstract: 本发明提供了一种基于樽海鞘算法的单集气管压力控制模型辨识方法，属于集气管压力控制系统辨识技术领域。在模型上，解决了常用的整数阶模型不够精确，导致辨识精度不够高的技术问题；在辨识方法上，解决了梯度迭代法收敛速度较慢，会使辨识结果陷入局部最优，选择迭代步长时需要考虑辨识结果发散的技术问题。其技术方案为：包括以下步骤：步骤1)构建单集气管阀位和压力的分数阶CARMA模型；步骤2)构建樽海鞘算法的辨识流程。本发明的有益效果为：本发明的樽海鞘算法的单集气管压力控制模型辨识方法进行的参数辨识结果中，可以看出，该方法的辨识精度高，输出的参数估计误差小；同时，也说明本辨识方法对于单集气管压力控制模型具有较好的适用性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.022 seconds)
