公开(公告)号：CN120048134A

公开(公告)日：2025-05-27

申请号：CN202510259602.7

申请日：2025-03-06

Applicant: 吉林大学

Inventor： 胡云峰 ,  张泰 ,  孙耀 ,  赵靖华 ,  王博

IPC: G08G1/081 ,  G08G1/01 ,  G06N3/049 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/048

Abstract: 本发明涉及智能交通控制技术领域，具体是基于时空卷积注意力机制的多智能体交通信号控制方法，将一个区域的多交叉口交通网络建模为多智能体系统，各个多智能体在学习策略过程中同时考虑邻近时刻的相邻多智能体动作的影响，使多个多智能体能协同地进行多交叉口的信号灯控制，建立能够反映当前区域交通网络状态的张量。并将卷积注意力机制融入到深度强化学习神经网络使得智能体能够更好的关注临近交叉口车辆的状态。最后建立基于深度强化学习算法D3QN_CBAM的多智能体交叉口信号控制模型，本发明基于时空卷积注意力机制的多智能体交通信号控制方法，将注意力机制与区域信号控制相结合，提升了区域交通信号协同控制的性能和效果。

公开(公告)号：CN119916222A

公开(公告)日：2025-05-02

申请号：CN202510397499.2

申请日：2025-04-01

Applicant: 吉林大学

Inventor： 张钦皓 ,  麻斌 ,  胡云峰 ,  宫洵 ,  孙耀

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/00 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明涉及锂离子电池领域，具体是一种基于端云协同策略的电池健康状态估计方法，包括以下步骤：电池老化特征提取；数据预处理，包括数据归一化和时间序列数据构建；构建电池预测模型，包括在云侧构建并训练神经网络模型以及在端侧则构建电池老化的经验模型；设定评价指标。本发明构建了一个面向电池SOH估计的端云协同的混合预测网络，该网络分别在云侧和端侧部署了不同的电池SOH预测模型，分别利用电池老化特征和数学关系来进行SOH预测，能够综合考虑电池老化的个体差异和电池老化的一般性规律，同时提高模型计算速度，具有良好的精度和鲁棒性。

公开(公告)号：CN119758152A

公开(公告)日：2025-04-04

申请号：CN202510273457.8

申请日：2025-03-10

Applicant: 吉林大学

Inventor： 麻斌 ,  胡云峰 ,  宫洵 ,  孙耀 ,  张钦皓

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/382

Abstract: 本发明涉及锂离子电池领域，具体是基于白鲸优化算法改进LSTM网络的电池健康状态估计方法，包括以下步骤：步骤1、电池老化特征提取和电池老化特征筛选；步骤2、数据预处理，包括数据归一化、时间序列数据构建和VMD分解；步骤3、构建数据驱动模型，包括用白鲸优化算法改进的LSTM神经网络来构建电池SOH预测模型；步骤4、设定评价指标。本发明构建了一个面向电池SOH估计的DTV‑VMD‑LSTM网络，结合了DTV获取电池特征简单易行的特点和LSTM网络对于捕捉长期依赖关系的优势，能够考虑到电池内部的非线性因素，无需对电池进行大量实验，能够考虑到电池老化过程中的局部特征和整体趋势，在预测精度更高的同时具有良好的鲁棒性。

公开(公告)号：CN119147982B

公开(公告)日：2025-03-25

申请号：CN202411638598.7

申请日：2024-11-18

Applicant: 吉林大学

Inventor： 麻斌 ,  胡云峰 ,  宫洵 ,  孙耀 ,  姜天柱

IPC: G01R31/378 ,  G01R31/367 ,  G01R31/392

Abstract: 本发明适用于锂离子电池管理技术领域，提供了基于多模型融合的锂离子电池荷电和健康状态估计方法，包括以下步骤：数据采集及处理；基于等电压间隔放电时间的电池SOH估计；电池SOC估计模型的搭建与训练；基于容量修正的安时积分法：将步骤二所计算的SOH值应用于安时积分法中，以实时调整SOC的估算值；当前电池SOH下电池SOC的估计：将步骤三中应用神经网络输出的SOC和步骤四中应用安时积分法计算的SOC应用卡尔曼滤波器进行融合；评价指标设定。本发明显著提高了锂离子电池SOC和SOH的估计准确性，降低了误差，增强了BMS性能，提升了电池安全性和使用寿命，同时展现出强适应性和良好的抗噪声性能。

公开(公告)号：CN119150025A

公开(公告)日：2024-12-17

申请号：CN202411595562.5

申请日：2024-11-11

Applicant: 吉林大学

Inventor： 姜天柱 ,  麻斌 ,  胡云峰 ,  宫洵 ,  孙耀

IPC: G06F18/214 ,  G01R31/367 ,  G01R31/378 ,  G01R31/387 ,  G01R31/396 ,  G06F18/213 ,  G06F18/25 ,  G06N20/20 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及锂离子电池管理技术领域领域，公开了一种基于集成学习的锂离子电池荷电状态估计方法，通过融合CNN‑Transformer网络与卡尔曼滤波器，有效克服了现有技术中存在的多种问题，卡尔曼滤波器的引入，实时更新和校正SOC估计值，显著减少了安时积分法在长期运行中累积误差的影响，且其递归性质允许模型动态调整，降低对精确初始SOC值的依赖，从而提高长期估计的准确性；通过CNN‑Transformer架构，达到了处理实时数据流的效果，无需电池静置即可进行SOC估计，使之不受电池迟滞效应的影响，因依赖于实时数据而不是静态的开路电压测量，从而在实时应用中提供更准确的SOC估计。

公开(公告)号：CN118364707A

公开(公告)日：2024-07-19

申请号：CN202410370423.6

申请日：2024-03-29

Applicant: 吉林大学

Inventor： 胡云峰 ,  刘宏 ,  孙耀 ,  许可 ,  王博 ,  杜家坤 ,  曹志浩 ,  陈虹

IPC: G06F30/27 ,  G01N33/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 一种监测商用车活性氮排放的虚拟传感器，属于机动车尾气排放技术领域。本发明的目的是利用关键参数的时域特征，用于建立虚拟传感器，以精准监测商用车在各种工况下活性氮排放的监测商用车活性氮排放的虚拟传感器。本发明的步骤是：对于输入的多变量时间序列，通过卷积操作来提取特征，设计使用双向长短期记忆网络来进一步分析CNN提取的关键局部特征随时间的变化以及序列之间的长期依赖性，将这些信息合并后传递到输出层，更全面地捕捉时间序列数据的长期依赖关系。本发明能够准确识别与NOx和NH3排放相关的模式，克服了传统NOx传感器无法区分二者的问题，从而提高了排放监测的准确性。

公开(公告)号：CN117254729A

公开(公告)日：2023-12-19

申请号：CN202311240421.7

申请日：2023-09-25

Applicant: 吉林大学

Inventor： 龙江 ,  胡云峰 ,  宫洵 ,  孙耀 ,  陈虹

IPC: H02P21/18 ,  H02P21/00 ,  H02P21/22 ,  H02P25/022 ,  H02P25/026

Abstract: 一种用于电机控制系统转子角位置误差的计算与补偿方法，属于电机控制技术领域。本发明的目的是在明确坐标变换中转子角位置误差成因的基础上，细化不同坐标变换下转子角位置误差计算过程及补偿策略，提升用于坐标变换的转子角位置信息准确性。本发明步骤包括：观测电机空载运行时第k次d轴电流静差，实时修正第k次Park‑1变换下的转子角位置信息，根据修正结果，获得使d轴电流静差为0的转子角位置误差补偿值；根据电流采样与占空比更新关系，求解由控制时序导致的转子角位置误差；根据它们的数值关系，计算由传输延时导致的转子角位置误差。本发明对坐标变换下的转子角位置误差进行补偿，实现真正意义上的最大转矩电流比控制。

公开(公告)号：CN116314970A

公开(公告)日：2023-06-23

申请号：CN202310254199.X

申请日：2023-03-16

Applicant: 吉林大学

Inventor： 胡云峰 ,  关喆翰 ,  张冲 ,  宫洵 ,  孙耀 ,  郭洪艳 ,  陈虹

IPC: H01M8/04992 ,  H01M8/04298 ,  H01M8/04089 ,  H01M8/04082

Abstract: 一种燃料电池空气供给系统数据驱动离散三步解耦控制方法，属于车辆燃料电池发动机控制领域。本发明的目的是基于离散三步法的无模型自适应控制器针对燃料电池的不同工况对空压机转速和节气门开度产生控制信号，使空气供给系统中的空气质量流量和阴极压力处于所需期望值的燃料电池空气供给系统数据驱动离散三步解耦控制方法。本发明首先采用动态线性化方法获取了动态线性化模型，无需使用系统模型的任何数据，然后基于该数据模型，利用扩展状态观察器，对系统输出进行解耦。最后基于解耦数据模型开发了一种基于离散三步法的无模型自适应控制器。本发明提出的控制方案可以避免对空气供给系统进行建模并且易于工程实现。

公开(公告)号：CN113644301B

公开(公告)日：2022-07-01

申请号：CN202110622309.4

申请日：2021-06-03

Applicant: 吉林大学

Inventor： 张冲 ,  胡云峰 ,  宫洵 ,  林佳眉 ,  孙耀 ,  高金武 ,  解方喜 ,  陈虹

IPC: H01M8/04746 ,  H01M8/04992 ,  G06F30/20 ,  G06F119/14 ,  G06F119/08

Abstract: 一种车载燃料电池阴极流量与压力控制方法，属于车载燃料电池发动机控制领域。本发明的目的是针对车载燃料电池空气供给系统流量与阴极压力控制问题，基于无模型自适应滑模+反步法结构来设计解耦控制器的车载燃料电池阴极流量与压力控制方法。本发明从结构上可以包括以下几部分：燃料电池系统模型、最优过氧比Map表、空气供给系统流量无模型自适应滑模控制器和阴极压力反步法控制器。本发明针对阴极压力机理描述比较清晰简单，控制器结构对空气供给系统流量与阴极压力具有良好的跟踪性能。

公开(公告)号：CN112241609A

公开(公告)日：2021-01-19

申请号：CN202011101762.2

申请日：2020-10-15

Applicant: 吉林大学

Inventor： 宫洵 ,  孙萌鸽 ,  胡云峰 ,  赵靖华 ,  孙耀 ,  张辉 ,  陈虹

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 一种柴油机NOx排放实时估计系统，属于柴油机控制技术领域。本发明的目的是选取了进气歧管压强、废气残余分数、喷油量、发动机转速及EGR阀流量作为LSTM‑RNN循环神经网络输入变量，训练LSTM‑RNN神经网络的柴油机NOx排放实时估计系统。本发明步骤是：获取柴油机运行工况相关数据集、选取NOx实时估计模型输入数据、训练集与测试集的选取、选取数据预处理、确定循环神经网络结构参数、建立LSTM循环神经网络NOx预测模型。本发明实现对柴油机NOx的实时精确估计，经过柴油机台架的验证，本发明提出的柴油机NOx实时估计系统相对于传统的BP神经网络建模，估计精度在稳态工况、瞬态工况和综合工况分别有17.82%、50.35%、32.34%的提升。