-
公开(公告)号:CN115494401A
公开(公告)日:2022-12-20
申请号:CN202211417093.9
申请日:2022-11-14
Applicant: 湖北工业大学
IPC: G01R31/367
Abstract: 本发明涉及电池状态估计技术,具体涉及一种基于信息融合的动力电池云端数据清洗方法,包括以下步骤:输入电池的SOC序列和电压矩阵;判断当前循环次数是否超过额定值确定执行步骤;构建初步SOC‑V曲线;通过二次函数拟合构建SOC‑V曲线;使用信息融合的方法将当前测量值和SOC‑V曲线结合得到电池电压估计值。该方法结合动力电池历史数据和传感器测量数据估计出更加接近电池实际工况的数据,减弱信号传输过程中的随机扰动和测量误差对电池数据质量的影响,为动力电池的状态估计和故障预警技术提供助力。
-
公开(公告)号:CN115442812A
公开(公告)日:2022-12-06
申请号:CN202211388554.4
申请日:2022-11-08
Applicant: 湖北工业大学
IPC: H04W16/14 , H04B17/391 , G06N20/00
Abstract: 本发明属于工业物联网频谱管理技术领域,具体涉及一种基于深度强化学习的物联网频谱分配优化方法及系统。考虑到全局信道信息未知的情况下,提出一种基于多智能体深度强化学习的工业物联网频谱分配优化方法。首先,构造多个设备对设备通信链路的系统模型。其次,构建优化问题,结合频谱子带和传输功率等约束条件以优化物联网网络综合效率。接着,将优化问题描述为马尔可夫决策过程。最后,针对上述优化问题具有较大的状态空间和动作空间,提出了多智能体深度Q网络算法。借助于经验回放机制和目标网络策略,以实现最优的频谱子带选择和传输功率分配策略。
-
公开(公告)号:CN115494401B
公开(公告)日:2023-03-10
申请号:CN202211417093.9
申请日:2022-11-14
Applicant: 湖北工业大学
IPC: G01R31/367
Abstract: 本发明涉及电池状态估计技术,具体涉及一种基于信息融合的动力电池云端数据清洗方法,包括以下步骤:输入电池的SOC序列和电压矩阵;判断当前循环次数是否超过额定值确定执行步骤;构建初步SOC‑V曲线;通过二次函数拟合构建SOC‑V曲线;使用信息融合的方法将当前测量值和SOC‑V曲线结合得到电池电压估计值。该方法结合动力电池历史数据和传感器测量数据估计出更加接近电池实际工况的数据,减弱信号传输过程中的随机扰动和测量误差对电池数据质量的影响,为动力电池的状态估计和故障预警技术提供助力。
-
公开(公告)号:CN115034336A
公开(公告)日:2022-09-09
申请号:CN202210953893.6
申请日:2022-08-10
Applicant: 湖北工业大学
IPC: G06K9/62 , G01R31/3835 , G01R31/396 , G01R31/367 , G01R31/52
Abstract: 本发明涉及一种数据驱动的动力电池内短路预警方法及系统,该技术方案包含基于电压数据的广义无量纲指标的设计(Generalized dimensionless indicator,GDI)、基于广义无量纲指标的局部离群因子(Local outlier factors,LOF)计算和根据局部离群因子计算结果判断是否报警。利用动力电池云端大数据平台在线实时预警可以准确、及时地对动力电池组中各单体电池进行监控,有效助力动力电池安全运行。本发明的有益效果是:(1)基于云端大数据平台的动力电池实际运行数据,实现动力电池早期内短路故障的准确定位。(2)设计的广义无量纲指标能有效降低实际工况下数据噪声带来的计算误差,对数据质量的要求低、鲁棒性高。
-
-
公开(公告)号:CN115442812B
公开(公告)日:2023-04-07
申请号:CN202211388554.4
申请日:2022-11-08
Applicant: 湖北工业大学
IPC: H04W16/14 , H04B17/391 , G06N20/00
Abstract: 本发明属于工业物联网频谱管理技术领域,具体涉及一种基于深度强化学习的物联网频谱分配优化方法及系统。考虑到全局信道信息未知的情况下,提出一种基于多智能体深度强化学习的工业物联网频谱分配优化方法。首先,构造多个设备对设备通信链路的系统模型。其次,构建优化问题,结合频谱子带和传输功率等约束条件以优化物联网网络综合效率。接着,将优化问题描述为马尔可夫决策过程。最后,针对上述优化问题具有较大的状态空间和动作空间,提出了多智能体深度Q网络算法。借助于经验回放机制和目标网络策略,以实现最优的频谱子带选择和传输功率分配策略。
-
-
-
-
-