-
公开(公告)号：CN116340766A
公开(公告)日：2023-06-27
申请号：CN202310133494.X
申请日：2023-02-17
Applicant: 广东工业大学
IPC: G06F18/214 , G01R31/36 , G01R31/367 , G01R31/382 , G06F18/15 , G06N20/00 , G06N3/08
Abstract: 本发明属于电池技术领域，尤其涉及一种基于滑动窗口的锂电池SOC在线预测方法与相关设备，所述方法包括：设置初始训练的锂电池SOC数据样本及滑动窗口长度；建立基于滑动窗口和宽度学习的SOC预测模型，并计算SOC预测值；以当前采集数据和SOC预测值作为新样本加入到滑动窗口中，并返回步骤S2进行SOC预测值的计算，直到用于计算SOC预测值的样本数量等于滑动窗口长度，且没有新的采集数据的加入。本发明基于滑动窗口的SOC动态建模方法，利用滑动窗口捕捉到电池的时变特性，保证了模型的时效性；同时基于宽度学习和自适应无迹卡尔曼滤波方法，有效应对噪声、扰动等因素对采集数据的影响，提高了SOC的估计精度。
-
公开(公告)号：CN115510638A
公开(公告)日：2022-12-23
申请号：CN202211145335.3
申请日：2022-09-20
Applicant: 广东工业大学
IPC: G06F30/20 , G06F111/10
Abstract: 一种基于GRNN模型的回转窑多目标参数优化方法，包括以下步骤：获取需要优化的回转窑的工艺参数，并通过预设回转窑数值模拟模型进行数值模拟，输出得到工艺参数的能效指标和质量指标；结合能效指标和质量指标，以回转窑的进煤量、二次风速、二次风温为预设GRNN模型的输入参数，输出得到回转窑的待优化参数；根据待优化参数建立多目标优化函数，将待优化参数作为初始种群，并使用第三代非支配排序遗传算法对多目标优化函数进行寻优，输出得到最优工艺参数；根据最优工艺参数对回转窑进行优化。本发明用数据模型代替数值模拟模型作为数据支撑模型，使用NSGA‑III对水泥回转窑进行多目标参数寻优，有效地提高了能效。
-
公开(公告)号：CN116306248B
公开(公告)日：2024-01-09
申请号：CN202310127573.X
申请日：2023-02-17
Applicant: 广东工业大学
IPC: G06F30/27 , H01M10/42 , G01R31/367 , G06N3/0499 , G06N3/08 , G06F18/2135 , G06F17/13 , G06F17/16 , G06F119/08
Abstract: 本发明涉及锂离子电池优化技术领域，尤其涉及一种基于时空非线性误差补偿模型的锂电池温度场预测方法。本发明采用谱方法推导空间基函数，并通过嵌入极限学习机逼近电化学产热的方式建立锂电池温度场预测模型，对比纯机理建模方法具有计算简单、时间短，时间成本低等优点，同时，采用核主成分分析算法，得到基于谱方法的锂电池温度场预测误差分布的全局空间基函数，不需要先验知识，便于模型的建立；本发明构建了基于核主成分分析算法和极限学习机(56)对比文件Qingbao Huang 等.Furnace TemperaturePrediction of Aluminum Smelting FurnaceBased on KPCA-ELM《.2018 ChineseAutomation Congress (CAC)》.2019,1-8.
-
公开(公告)号：CN115407207A
公开(公告)日：2022-11-29
申请号：CN202211038537.8
申请日：2022-08-29
Applicant: 广东工业大学
IPC: G01R31/367
Abstract: 本发明属于锂离子电池技术优化领域，尤其涉及一种锂离子电池荷电状态的在线预测方法与系统，包括：基于时空建模策略建立锂离子电池温度预测模型，并利用锂离子电池温度预测模型对锂离子电池温度的时空数据进行预测，得到温度时空预测数据；根据时空预测数据以及锂离子电池的电压数据、电流数据建立锂离子电池荷电状态离线预测模型；在锂离子电池荷电状态离线预测模型的基础上，为新的输入数据增加节点，建立锂离子电池荷电状态在线预测模型，并通过锂离子电池荷电状态在线预测模型进行锂离子电池的荷电状态预测。本发明结合时空建模策略和宽度学习对锂电池的荷电状态进行预测，在保证模型的计算速度及输出精度的前提下，提高了模型的预测效率。
-
Patent Agency Ranking
公开(公告)号：CN115407207B
公开(公告)日：2025-04-29
申请号：CN202211038537.8
申请日：2022-08-29
Applicant: 广东工业大学
IPC: G01R31/367
Abstract: 本发明属于锂离子电池技术优化领域，尤其涉及一种锂离子电池荷电状态的在线预测方法与系统，包括：基于时空建模策略建立锂离子电池温度预测模型，并利用锂离子电池温度预测模型对锂离子电池温度的时空数据进行预测，得到温度时空预测数据；根据时空预测数据以及锂离子电池的电压数据、电流数据建立锂离子电池荷电状态离线预测模型；在锂离子电池荷电状态离线预测模型的基础上，为新的输入数据增加节点，建立锂离子电池荷电状态在线预测模型，并通过锂离子电池荷电状态在线预测模型进行锂离子电池的荷电状态预测。本发明结合时空建模策略和宽度学习对锂电池的荷电状态进行预测，在保证模型的计算速度及输出精度的前提下，提高了模型的预测效率。
-
公开(公告)号：CN116340766B
公开(公告)日：2024-05-28
申请号：CN202310133494.X
申请日：2023-02-17
Applicant: 广东工业大学
IPC: G06F18/214 , G01R31/36 , G01R31/367 , G01R31/382 , G06F18/15 , G06N20/00 , G06N3/08
Abstract: 本发明属于电池技术领域，尤其涉及一种基于滑动窗口的锂电池SOC在线预测方法与相关设备，所述方法包括：设置初始训练的锂电池SOC数据样本及滑动窗口长度；建立基于滑动窗口和宽度学习的SOC预测模型，并计算SOC预测值；以当前采集数据和SOC预测值作为新样本加入到滑动窗口中，并返回步骤S2进行SOC预测值的计算，直到用于计算SOC预测值的样本数量等于滑动窗口长度，且没有新的采集数据的加入。本发明基于滑动窗口的SOC动态建模方法，利用滑动窗口捕捉到电池的时变特性，保证了模型的时效性；同时基于宽度学习和自适应无迹卡尔曼滤波方法，有效应对噪声、扰动等因素对采集数据的影响，提高了SOC的估计精度。
-
公开(公告)号：CN117993557A
公开(公告)日：2024-05-07
申请号：CN202410136946.4
申请日：2024-01-31
Applicant: 广东工业大学
Abstract: 本申请属于锂电池领域，具体涉及一种锂电池温度预测方法、存储介质和电子设备。其中锂电池温度预防方法，预先通过M个传感器立锂电池的全感知模型，从而构建时空温度数据集T(Z,t)，在获取该数据集后能够从该数据集中优化获取N个最优位置传感器，通过N个最优位置传感器的采集的稀疏数据集，从而近似还原M个传感器采集的数据，以此来降低模型对于传感器数量的依赖。另外，在本申请中通过增量KL算法更新每个时间点的空间基函数，从而相比模型在每个时间点均需要对完整数据SVD分解而言，提高了模型的运算效率，最后本申请中通过更新时间模型的网络权值的方式来提高模型的预测精度。
-
公开(公告)号：CN116306248A
公开(公告)日：2023-06-23
申请号：CN202310127573.X
申请日：2023-02-17
Applicant: 广东工业大学
IPC: G06F30/27 , H01M10/42 , G01R31/367 , G06N3/0499 , G06N3/08 , G06F18/2135 , G06F17/13 , G06F17/16 , G06F119/08
Abstract: 本发明涉及锂离子电池优化技术领域，尤其涉及一种基于时空非线性误差补偿模型的锂电池温度场预测方法。本发明采用谱方法推导空间基函数，并通过嵌入极限学习机逼近电化学产热的方式建立锂电池温度场预测模型，对比纯机理建模方法具有计算简单、时间短，时间成本低等优点，同时，采用核主成分分析算法，得到基于谱方法的锂电池温度场预测误差分布的全局空间基函数，不需要先验知识，便于模型的建立；本发明构建了基于核主成分分析算法和极限学习机模型的时空非线性误差补偿模型，在时间域、空间域上对原主预测模型进行非线性误差补偿，相较于现有技术具有更高的预测精度与有效性。
-
公开(公告)号：CN115358297A
公开(公告)日：2022-11-18
申请号：CN202210894048.6
申请日：2022-07-27
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于改进MKECA方法的注塑机异常检测方法与系统，包括以下步骤：S1、收集注塑机正常工作时的数据作为训练集，对训练集数据进行预处理；S2、采用核熵成分分析方法对预处理后的数据进行非线性特征提取；S3、对提取的数据特征采用支持向量数据描述SVDD建立包裹正常样本的超球体，根据超球体的半径确定阈值范围；S4、在线收集测试样本，对测试样本进行预处理，计算预处理后的测试样本的统计量，判断统计量是否超出阈值范围，超出则视为检测到注塑机出现异常。本方法与传统注塑机异常检测技术相比，解决了注塑机异常检测精度低的问题，实现了对注塑成型过程中出现的强非线性、变量混合分布、多模态特性等数据的异常检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
