公开(公告)号：CN113406500B

公开(公告)日：2022-06-14

申请号：CN202110726365.2

申请日：2021-06-29

Applicant: 同济大学

Inventor： 王梦梦 ,  葛泉波 ,  孙长银 ,  董璐

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/388 ,  B60L58/12 ,  G06F30/27

Abstract: 本发明公开了一种动力锂电池的剩余电量估计方法。本发明采用具有强大学习能力的加权最小二乘支持向量机实现对动力锂电池的SOC估计模型的建模和在线估计，在加权最小二乘支持向量机的核参数模型的选取过程可以通过CKF进行在线自适应完成。还建立动态WLSSVM过程，利用最新的工况数据来建立SOC估计模型，从而更好的反应数据特征。本发明为电池管理系统以及用户提供准确的SOC估计结果，增加电池管理的可靠性，为用户合理使用电池提供准确的信息。

公开(公告)号：CN113406500A

公开(公告)日：2021-09-17

申请号：CN202110726365.2

申请日：2021-06-29

Applicant: 同济大学

Inventor： 王梦梦 ,  葛泉波 ,  孙长银 ,  董璐

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/388 ,  B60L58/12 ,  G06F30/27

Abstract: 本发明公开了一种动力锂电池的剩余电量估计方法。本发明采用具有强大学习能力的加权最小二乘支持向量机实现对动力锂电池的SOC估计模型的建模和在线估计，在加权最小二乘支持向量机的核参数模型的选取过程可以通过CKF进行在线自适应完成。还建立动态WLSSVM过程，利用最新的工况数据来建立SOC估计模型，从而更好的反应数据特征。本发明为电池管理系统以及用户提供准确的SOC估计结果，增加电池管理的可靠性，为用户合理使用电池提供准确的信息。

公开(公告)号：CN112835027A

公开(公告)日：2021-05-25

申请号：CN202110093348.X

申请日：2021-01-21

Applicant: 同济大学

Inventor： 葛泉波 ,  王梦梦 ,  孙长银

IPC: G01S13/70

Abstract: 本发明提供一种基于强跟踪滤波的雷达目标跟踪方法，适用于目标运动状态的雷达目标跟踪过程，所述方法包括：根据目标的运动特征，通过引入次优渐消因子，构建用于对目标运动状态进行强跟踪滤波的强跟踪滤波器模型，以及基于所述强跟踪滤波器模型，重复执行目标的强跟踪滤波，获得目标的运动状态跟踪信息，从而可以实现目标跟踪过程中的模型参数进行实时估计，有效地提高了目标跟踪的效果和稳定性。

公开(公告)号：CN112986978A

公开(公告)日：2021-06-18

申请号：CN202110098110.6

申请日：2021-01-25

Applicant: 同济大学

Inventor： 葛泉波 ,  王梦梦 ,  孙长银

IPC: G01S13/72

Abstract: 本发明提供一种雷达目标跟踪滤波的信任度获取方法，适用于目标跟踪系统，所述方法包括：获取目标的运动特征，根据所述目标运动特征构建与其对应的跟踪滤波器模型；基于跟踪滤波器模型，构建用于反映该模型目标跟踪结果信任度的信任因子，并解算所述信任因子为信任因子估计；执行目标的跟踪滤波过程；于执行过程中，根据所述信任因子估计获取所述跟踪滤波过程的目标跟踪滤波结果的信任因子值，进而可以获取目标跟踪结果的信任度高低；本方法能明显提高运动目标的估计精度和收敛性。