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

Inventor： 李俊红 ,  蒋泽宇 ,  顾菊平 ,  华亮 ,  宗天成 ,  褚云琨 ,  芮佳丽 ,  张泓睿 ,  严俊 ,  肖康

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

Inventor： 李俊红 ,  李政 ,  宗天成 ,  刘慧霞 ,  李磊 ,  蒋泽宇 ,  宋伟成 ,  蒋一哲 ,  芮佳丽 ,  褚云琨 ,  储杰

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：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

Inventor： 李俊红 ,  芮佳丽 ,  蒋一哲 ,  顾菊平 ,  华亮 ,  储杰 ,  褚云琨

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

Inventor： 李俊红 ,  芮佳丽 ,  储杰 ,  陆国平 ,  蒋一哲 ,  程赟 ,  宋伟成 ,  褚云琨

IPC: G06F30/20 ,  G06N3/12

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。

公开(公告)号：CN114217234B

公开(公告)日：2023-08-22

申请号：CN202111654358.2

申请日：2021-12-30

Applicant: 南通大学

Inventor： 李俊红 ,  褚云琨 ,  杨奕 ,  袁银龙 ,  宗天成 ,  李磊 ,  芮佳丽 ,  蒋泽宇 ,  蒋一哲 ,  宋伟成 ,  储杰

IPC: G01R31/387

Abstract: 本发明提供了一种基于IDE‑ASRCKF的锂离子电池参数辨识与SOC估计方法，属于锂离子电池技术领域，其技术方案为：包括以下步骤：步骤1)通过间歇恒流放电测取电池的负载电流和端电压数据，确定OCV‑SOC关系；步骤2)建立锂离子电池的二阶RC模型；步骤3)构建IDE算法的辨识流程，对电池模型参数进行辨识；步骤4)构建ASRCKF算法的估计流程；步骤5)利用IDE算法确定锂电池模型中的各个参数，并利用ASRCKF对电池SOC进行估计。本发明的有益效果为：本发明提高了算法的收敛速度与精度；利用辨识得到的参数结果结合ASRCKF算法进行SOC估计，精度高、鲁棒性好，效果优于CKF。

公开(公告)号：CN113671378B

公开(公告)日：2022-04-08

申请号：CN202110784229.9

申请日：2021-07-12

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  王娟 ,  李磊 ,  褚云琨 ,  芮佳丽 ,  李政

IPC: G01R31/367

Abstract: 本发明提供了一种基于分数阶理论的锂离子电池建模及参数辨识方法，属于离子电池技术领域。解决了整数阶等效电路模型描述电池的动态特征的能力弱，低阶模型不能满足精度要求，高阶模型又会增加了模型复杂度和计算量的技术问题。其技术方案为：包括以下步骤：步骤1)采用经验公式法确定OCV‑SOC的关系；步骤2)推导系统辨识方程；步骤3)构建改进蚁群优化算法的辨识流程。本发明的有益效果为：本发明经过分数阶理论改进的PNGV模型虽然呈现非线性，更加精确，推导出基于分数阶的PNGV模型辨识表达式，并且采用改进的蚁群优化算法进行在线辨识，可以获得估计精度高的模型参数和分数阶阶数，可以准确、有效地反应锂电池的实时性能。

公开(公告)号：CN114237044A

公开(公告)日：2022-03-25

申请号：CN202111432889.7

申请日：2021-11-29

Applicant: 南通大学

Inventor： 李俊红 ,  李政 ,  宗天成 ,  刘慧霞 ,  李磊 ,  蒋泽宇 ,  宋伟成 ,  蒋一哲 ,  芮佳丽 ,  褚云琨 ,  储杰

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：CN114062948A

公开(公告)日：2022-02-18

申请号：CN202210025289.7

申请日：2022-01-11

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  顾菊平 ,  宗天成 ,  李磊 ,  褚云琨 ,  芮佳丽 ,  李政 ,  张泓睿

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：CN113702843A

公开(公告)日：2021-11-26

申请号：CN202110845535.9

申请日：2021-07-26

Applicant: 南通大学

Inventor： 李俊红 ,  褚云琨 ,  蒋泽宇 ,  李磊 ,  马卫国 ,  芮佳丽 ,  宋伟成 ,  蒋一哲

IPC: G01R31/382

Abstract: 本发明提供了一种基于郊狼优化算法的锂电池参数辨识与SOC估计方法，包括以下步骤：步骤一：通过间歇恒流放电测取锂电池的电流、电压；步骤二：建立锂电池二阶RC等效电路模型；步骤三：构建郊狼优化算法；步骤四：构建扩展卡尔曼滤波算法；步骤五：利用郊狼优化算法确定锂电池模型中的各个参数，并对电池SOC进行估计。本发明的有益效果为：本发明建立锂电池二阶RC模型，推导其离散状态空间表达式，利用郊狼优化算法进行模型参数辨识，相比于传统启发式算法辨识精度高、收敛速度快，利用辨识结果进行SOC估计，估计误差小，验证了郊狼优化算法在参数辨识方面的精确性。

公开(公告)号：CN115114791B

公开(公告)日：2024-08-13

申请号：CN202210766881.2

申请日：2022-06-30

Applicant: 南通大学

Inventor： 李俊红 ,  芮佳丽 ,  蒋一哲 ,  顾菊平 ,  华亮 ,  储杰 ,  褚云琨

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。