-
公开(公告)号：CN110659722A
公开(公告)日：2020-01-07
申请号：CN201910814961.9
申请日：2019-08-30
Applicant: 江苏大学
IPC: G06N3/04 , G06K9/62 , G01R31/367 , G01R31/392
Abstract: 本发明提出了一种基于AdaBoost-CBP神经网络的电动汽车锂离子电池健康状态估算方法。由于放电电压、放电电流、循环充放电次数在电池使用过程中变化趋势明显，本发明采用这三种参数作为SOH估算的输入数据，并将电池容量作为输出参数。由于电池数据存在噪音并呈现非线性变化特性，采用扩展卡尔曼滤波算法进行去噪。针对BP神经网络易陷入局部最优的问题，采用分数微积分理论对其梯度下降法进行优化。最后，将分数阶BP神经网络作为弱学习器，利用AdaBoost算法的自适应加强性能增强学习器的拟合能力，并将每轮弱学习器进行集成得到强学习器，以提高学习器的多样性，实现各学习器在不同工况数据下性能的优势互补，有效提高估算精度。
-
公开(公告)号：CN111103544B
公开(公告)日：2021-12-21
申请号：CN201911368020.3
申请日：2019-12-26
Applicant: 江苏大学
IPC: G01R31/367 , G01R31/392 , G06K9/62 , G06F17/10 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于长短时记忆LSTM和粒子滤波PF的锂离子电池剩余使用寿命预测方法，属于新能源电动汽车锂离子电池剩余使用寿命预测领域，具体步骤如下：分析从锂离子电池电压、电流和温度中提取锂离子电池性能退化特征参数，利用改进主成分分析法融合特征参数作为锂离子电池健康指数，充分表征锂离子电池性能退化特征且不含冗余信息；训练基于长短时记忆神经网络的锂离子电池容量预测模型预测锂离子电池容量，以LSTM预测模型的容量预测值作为粒子滤波预测模型的观测值，在粒子滤波算法的每一步迭代过程中调整更新容量预测值，比较容量预测值和容量失效阈值从而预测锂离子电池剩余使用寿命。本发明能有效监控和预测锂离子电池性能退化过程。
-
公开(公告)号：CN105809451A
公开(公告)日：2016-07-27
申请号：CN201610112424.6
申请日：2016-02-29
Applicant: 江苏大学
CPC classification number: G06Q30/0185 , G06F16/182 , G06F16/254 , G06F17/2785 , G06F17/2795
Abstract: 本发明公开了一种大数据电商网购评价分析预测方法及系统，本发明涉及一种大数据采集与分析预测的方法与系统，通过一个部署于Spark的控制与交换中心结合若干交换代理，将评价内容这非结构文本转换为结构化数据。本发明是基于大数据的前提开发，利用大数据的数据挖掘算法对采集的所有信息进行有效的处理。本发明可应用于网上购物导购，为用户提供准确的网购评价分析，方便用户判断评论是否虚假、网购是否实用，进而决定是否购买该商品。
-
公开(公告)号：CN105590409A
公开(公告)日：2016-05-18
申请号：CN201610105761.2
申请日：2016-02-26
Applicant: 江苏大学
IPC: G08B21/04
Abstract: 本发明公开了一种基于大数据的人体跌倒检测方法及系统，方法包括以下步骤：根据手机内置传感器采集的信息构建特征向量；通过机器学习模型识别是否发生跌倒行为；当判断用户为跌倒状态时，采集到的信息数据会实时传送到大数据平台，并按照个体相似性进行存储；所述平台采用相似度度量算法分析所有上传的数据，判断是否存在更新数据；若是，则平台生成新的数据样本，同时根据数据样本生成新的机器学习分类模型。当系统判断人体发生跌倒时，手机会自动触发报警装置，从而使跌倒能够得到及时的救援。同时随着样本越来越多，系统的准确率也会不断提高。本发明可应用于监测儿童、老人及病患的活动安全。
-
公开(公告)号：CN111103553A
公开(公告)日：2020-05-05
申请号：CN201911365666.6
申请日：2019-12-26
Applicant: 江苏大学
IPC: G01R31/392 , G01R31/367 , G06N3/06 , G06N3/04 , G06N3/08
Abstract: 本发明所提出的一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法。针对电池测量数据存在缺失、异常和噪音的特点，根据变异系数采用改进粒子滤波算法处理或选择最小二乘法、均值替换法处理参数以使神经网络输入参数平稳，从而提高抗噪性。而GRNN算法应用于SOH估算具有估算精度高的优势，但因平滑因子人为设定存在其实验平均误差与方差不稳定局限。因此本发明利用QGA对GRNN的平滑因子进行优化以提高网络自适应性。进一步的，考虑到不同特征参数与容量的相关性存在差异的特点，本发明利用最优平滑因子与相关系数构建模式层的传递函数以提高GRNN的估算精度。实验结果表明，本发明所提出的算法能有效估算锂离子电池健康状态具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105787663A
公开(公告)日：2016-07-20
申请号：CN201610105015.3
申请日：2016-02-26
Applicant: 江苏大学
IPC: G06Q10/06
CPC classification number: G06Q10/0639
Abstract: 本发明公开了一种基于数据挖掘技术的手持移动终端评估方法及系统，包括：对手持移动终端的评估指标进行相关性分析；对保留的手持移动终端的评估指标进行预处理操作，基于数值型属性离散化和属性化过后的手持移动终端的评估指标建立C4.5决策树，得到手持移动终端的关键评估指标。本发明通过相关性分析用户评估信息和反馈数据得到相关性强的手持移动终端的评估指标，使厂商可以删除评估信息反馈表中相关性强的手持移动终端的评估指标；本发明通过C4.5决策树使用户可以根据自身要求选择手持移动终端，使厂商可以提高市场竞争力并得到可靠意见；本发明可应用于用户选择适合自己的手持移动终端及厂商对自制的手持移动终端进行有价值的改进。
-
公开(公告)号：CN105574213A
公开(公告)日：2016-05-11
申请号：CN201610109847.2
申请日：2016-02-26
Applicant: 江苏大学
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30705
Abstract: 本发明公开了一种基于数据挖掘技术的微博推荐方法及装置，包括：将微博按照内容进行分类；获取预置时间段内选定用户对各类微博的点击量，并根据各类微博的该所述点击量，计算得到所述用户在时间段内的微博兴趣模型；按照所述最终微博兴趣模型聚类各用户，并根据所述最终微博兴趣模型确定向聚类后的各类用户推荐的微博候选集；将所述微博候选集中的微博推荐给所述用户。通过上述方法，本发明能够在错综复杂的微博信息中，对微博进行分类和排序，对用户进行聚类，根据分析结果，最后针对不同特征的用户群体推荐相应的感兴趣的微博。本发明可应用于微博网站及时准确的向用户推荐感兴趣的热门微博。
-
公开(公告)号：CN111983457A
公开(公告)日：2020-11-24
申请号：CN202010678378.2
申请日：2020-07-15
Applicant: 江苏大学
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明提供了一种基于LSTM神经网络的电池组SOH估算方法，首先采集实际运行一年以上的电动汽车的电池组充电数据，进行相关性分析，提取LSTM神经网络的输入特征；再利用SOC-电量增益法计算电池组最大可用容量，作为LSTM神经网络的输出特征；构建LSTM神经网络模型，确定LSTM神经网络输出值；最后，利用训练并验证后的LSTM神经网络模型估算电池组SOH。本发明LSTM神经网络的输入特征和输出特征均由实际运行一年以上的电动汽车的电池组充电数据获取，适用于电动汽车全状态、全气候运行时的电池组SOH估算，克服基于实验室验证的估算方法难以适应复杂的实际工作环境的问题。
-
公开(公告)号：CN111103544A
公开(公告)日：2020-05-05
申请号：CN201911368020.3
申请日：2019-12-26
Applicant: 江苏大学
IPC: G01R31/367 , G01R31/392 , G06K9/62 , G06F17/10 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于长短时记忆LSTM和粒子滤波PF的锂离子电池剩余使用寿命预测方法，属于新能源电动汽车锂离子电池剩余使用寿命预测领域，具体步骤如下：分析从锂离子电池电压、电流和温度中提取锂离子电池性能退化特征参数，利用改进主成分分析法融合特征参数作为锂离子电池健康指数，充分表征锂离子电池性能退化特征且不含冗余信息；训练基于长短时记忆神经网络的锂离子电池容量预测模型预测锂离子电池容量，以LSTM预测模型的容量预测值作为粒子滤波预测模型的观测值，在粒子滤波算法的每一步迭代过程中调整更新容量预测值，比较容量预测值和容量失效阈值从而预测锂离子电池剩余使用寿命。本发明能有效监控和预测锂离子电池性能退化过程。
-
公开(公告)号：CN109633474A
公开(公告)日：2019-04-16
申请号：CN201811352261.4
申请日：2018-11-14
Applicant: 江苏大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明公开了一种锂离子电池剩余寿命预测方法，通过运用粒子滤波算法获得电池模型的状态参数变化数据，将数据导入指数平滑预测模型(ES)得到状态参数预测值，再带入观测方程得到容量的观测预测值，最后将观测预测值反馈给粒子滤波对电池剩余寿命(RUL)进行预测。本发明的ES‑PF预测模型，可以解决粒子滤波算法在预测阶段状态参数不能更新，导致预测误差随预测周期变长而变大的问题，有效提高粒子滤波算法的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
