-
公开(公告)号：CN116165563A
公开(公告)日：2023-05-26
申请号：CN202211593086.4
申请日：2022-12-13
Applicant: 武汉理工大学
IPC: G01R31/392 , G06V10/764 , G06V10/774 , G06V10/28 , G01R31/367 , G01R31/385
Abstract: 本发明提供一种基于中子成像的船舶动力锂电池健康等级辨识方法，属于船舶锂电池健康分析技术领域。该基于中子成像的船舶动力锂电池健康等级辨识方法包括如下步骤：S1：构建支持向量机分类器模型；S2：通过输入值获取算法计算获取标准差、绝对差分均值I、绝对差分均值II；S3：将标准差、绝对差分均值、绝对差分均值输入支持向量机分类器模型中，预测得到待测电池单体的分类标签；S4：在健康等级表中获取与待测电池单体对应的健康等级状况。本发明通过对客观图像的分析计算对电池的健康程度进行定义，成功规避模型法中模型过于复杂且计算量大、数据驱动中对无法解释预测内部成分变化情况等缺点。
-
公开(公告)号：CN111796519B
公开(公告)日：2022-05-06
申请号：CN202010539521.X
申请日：2020-06-14
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于极限学习机的多输入多输出系统自动控制方法，包括以下步骤：1)对控制对象设备进行分析，确定设备的控制目标以及该设备与各控制目标相关联的控制变量；2)对每个控制变量ui在控制器中建立一个极限学习机网络；3)对训练样本集中现有的最新样本数据进行调整；4)按照ELM算法对相应网络进行训练，获得训练后的各ELM网络；5)各网络训练完备后，从各网络输出端获取每一控制变量的单次预测结果；6)多个ELM网络互为输入输出进行充分迭代，进而获得特定控制目标下各控制变量的有效取值，并作用于控制对象设备。本发明适用于具有多输入多输出、强耦合与时变性的复杂特性的系统，有利于提高控制结果的准确性和有效性。
-
公开(公告)号：CN111797987A
公开(公告)日：2020-10-20
申请号：CN202010539515.4
申请日：2020-06-14
Applicant: 武汉理工大学
Abstract: 本发明公开了一种动态机器学习方法，该方法包括以下步骤：1)基于控制系统已有的历史数据样本，按照极限学习机算法规则训练当前ELM网络；2)采集的最新数据样本按照数据周期划分；3)开始第一个数据周期，基于原有样本及第一个数据周期的新增样本重新训练当前ELM网络；4)对第k个周期，计算不同数据周期数据样本的有效学习率；5)重新训练当前周期对应的ELM网络；6)若未达到下一数据周期开始时刻，则将当前数据周期对应的ELM网络用于进行预测，并将预测结果作用于对应的控制系统；若已达到下一数据周期开始时刻，则跳至步骤4)。本发明方法动态地对不同时段数据样本予以差异化学习和利用，能有效提高最终预测结果的适用度。
-
Patent Agency Ranking
公开(公告)号：CN116068430A
公开(公告)日：2023-05-05
申请号：CN202211645692.6
申请日：2022-12-15
Applicant: 武汉理工大学
IPC: G01R31/385 , G01R31/367
Abstract: 本发明提供了一种锂电池的半在线参数辨识方法、系统、设备及存储介质，其方法包括：建立锂电池的一阶等效电路模型并确定待测参数类型；初始化采样参数，采集半在线辨识周期内锂电池充/放电过程中的电压和电流数据；基于采集的电压和电流数据构建半在线辨识周期内的辨识向量和目标函数；基于自适应协同差分进化算法和计算资源动态分配策略对辨识向量进行迭代优化操作；判定锂电池当前充/放电过程是否结束，根据判定情况输出半在线辨识周期内锂电池对应的全局最优解参数。本发明提供的锂电池的半在线参数辨识方法能够全面提升了锂电池参数辨识的准确性。
-
公开(公告)号：CN111796519A
公开(公告)日：2020-10-20
申请号：CN202010539521.X
申请日：2020-06-14
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于极限学习机的多输入多输出系统自动控制方法，包括以下步骤：1)对控制对象设备进行分析，确定设备的控制目标以及该设备与各控制目标相关联的控制变量；2)对每个控制变量ui在控制器中建立一个极限学习机网络；3)对训练样本集中现有的最新样本数据进行调整；4)按照ELM算法对相应网络进行训练，获得训练后的各ELM网络；5)各网络训练完备后，从各网络输出端获取每一控制变量的单次预测结果；6)多个ELM网络互为输入输出进行充分迭代，进而获得特定控制目标下各控制变量的有效取值，并作用于控制对象设备。本发明适用于具有多输入多输出、强耦合与时变性的复杂特性的系统，有利于提高控制结果的准确性和有效性。
-
公开(公告)号：CN116309322A
公开(公告)日：2023-06-23
申请号：CN202310075663.9
申请日：2023-02-07
Applicant: 武汉理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/28
Abstract: 本发明公开了一种锂电池的活性等级识别的方法和系统。根据单体锂电池在多个不同SOC状态下的每张中子图像的各像素的灰度值得到多个电池活性判别系数，对所述多个电池活性判别系数进行加权计算，得到锂电池活性等级判别系数；所述动力锂电池活性等级判别系数用于得到所述单体锂电池的活性等级；本发明利用中子束对轻的元素的敏感性，用来检测锂电池中不同SOC状态下的锂元素的活性，可以直接、快速且有效的测量电池活性等级，可以更为适当的利用锂电池，以获得更高的安全性和延长其使用寿命，同时使锂电池与船舶有更好的应用前景。
-
公开(公告)号：CN110865679A
公开(公告)日：2020-03-06
申请号：CN201911146849.9
申请日：2019-11-21
Applicant: 武汉理工大学
IPC: G05F1/67
Abstract: 本发明公开了一种面向船舶的光伏发电系统最大功率点跟踪控制方法，主要用于抑制船舶光伏系统运行过程中出现的各类扰动问题。本方法将光伏阵列分割为大小不等的若干组，每一组内的光伏电池板以全交叉形式连接，各组的大小及内部结构可根据实际情况灵活布局；对于每一组电池板内部，按遮阴程度细分为未遮阴、轻度遮阴、中度遮阴以及重度遮阴等类别，并建立基于神经网络的最大功率点离线及在线混合预测模型：由离线模型快速实现最大功率点的粗调，再由在线算法实现精调；光伏系统的实际运行数据通过反馈不断修正神经网络模型，且通过添加适当长度的时间窗对反馈数据的时效性进行限制，从而提升光伏系统在船舶特殊应用环境下的最大功率点跟踪精度。
-
公开(公告)号：CN110865679B
公开(公告)日：2020-09-08
申请号：CN201911146849.9
申请日：2019-11-21
Applicant: 武汉理工大学
IPC: G05F1/67
Abstract: 本发明公开了一种面向船舶的光伏发电系统最大功率点跟踪控制方法，主要用于抑制船舶光伏系统运行过程中出现的各类扰动问题。本方法将光伏阵列分割为大小不等的若干组，每一组内的光伏电池板以全交叉形式连接，各组的大小及内部结构可根据实际情况灵活布局；对于每一组电池板内部，按遮阴程度细分为未遮阴、轻度遮阴、中度遮阴以及重度遮阴等类别，并建立基于神经网络的最大功率点离线及在线混合预测模型：由离线模型快速实现最大功率点的粗调，再由在线算法实现精调；光伏系统的实际运行数据通过反馈不断修正神经网络模型，且通过添加适当长度的时间窗对反馈数据的时效性进行限制，从而提升光伏系统在船舶特殊应用环境下的最大功率点跟踪精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
