-
公开(公告)号：CN113391938A
公开(公告)日：2021-09-14
申请号：CN202110654918.8
申请日：2021-06-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于混合策略的快速序惯故障诊断方法，先构建待测系统的故障测试模型，然后基于故障测试模型，通过样本模拟获得预测函数及切换比较矩阵，从而得到待测系统内部故障状态与系统中测点输出的关系，最后根据当前节点的规模选择使用由上而下或由下而上算法完成待测系统的实时故障诊断。
-
公开(公告)号：CN113391211A
公开(公告)日：2021-09-14
申请号：CN202110654915.4
申请日：2021-06-11
Applicant: 电子科技大学
IPC: G01R31/367 , G01R31/387 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种小样本条件下的锂电池剩余寿命预测方法，通过加速锂电池的寿命实验，获取锂电池容量在不同时刻的退化量；然后利用最大似然估计算法估计每个锂电池在二阶段维纳过程模型中的参数，进而估计出每个的分布参数；接着利用二阶段维纳过程扩充锂电池退化数据，用于训练多个神经网络，并通过预测时长选出最优的神经网络，用于待测锂电池剩余寿命的实时预测，具有预测精度高、预测速度快等特点。
-
公开(公告)号：CN118444194A
公开(公告)日：2024-08-06
申请号：CN202410616156.6
申请日：2024-05-17
Applicant: 电子科技大学
IPC: G01R31/392 , G01R31/378 , G01R31/367
Abstract: 本发明公开了一种基于自适应维纳过程的锂电池剩余寿命预测方法，通过加速多个样本锂电池的寿命实验，获取样本锂电池在不同时刻的退化量；然后采用极大似然估计算法获取目标锂电池的模型先验参数；接着通过卡尔曼滤波算法以及迁移学习算法对模型参数进行更新，并将更新后的参数用于计算目标锂电池在当前时刻下的剩余寿命概率密度函数，具有预测精度高、实时性好、自适应能力强等特点。
-
公开(公告)号：CN114859231A
公开(公告)日：2022-08-05
申请号：CN202210451987.3
申请日：2022-04-27
Applicant: 电子科技大学
IPC: G01R31/367 , G01R31/392 , G06F17/18
Abstract: 本发明公开了一种基于维纳过程和极限学习机的电池剩余寿命预测方法，通过加速历史电池的寿命实验，获取历史电池在不同时刻的退化量；然后利用历史电池的退化数据估计维纳过程模型的参数；接着通过两阶段参数更新的方法对待测电池的维纳过程模型参数进行迭代更新，并将更新后的模型参数用于生成仿真电池退化数据；最后通过极限学习机预测当前时刻下待测电池的剩余寿命，具有预测精度高、实时性好等特点。
-
公开(公告)号：CN116227191A
公开(公告)日：2023-06-06
申请号：CN202310181698.0
申请日：2023-02-28
Applicant: 电子科技大学
IPC: G06F30/20 , G06F18/2321 , G06F119/04 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种结合多项式拟合与维纳过程的锂电池剩余寿命预测方法，通过加速待测锂电池的寿命实验，获取待测锂电池在不同时刻的退化量；然后在最小二乘估计和极大似然估计的基础上利用退化数据获取目标锂电池的模型先验参数；接着通过贝叶斯算法对模型中多项式拟合的参数进行更新，并将更新后的参数用于计算目标锂电池在当前时刻下的剩余寿命条件概率密度函数；最后通过两个定理求解出当前时刻下目标锂电池的剩余寿命概率密度函数，具有预测精度高、实时性好、预测速度快等特点。
-
Patent Agency Ranking
公开(公告)号：CN115508706A
公开(公告)日：2022-12-23
申请号：CN202211156895.9
申请日：2022-09-22
Applicant: 电子科技大学
IPC: G01R31/36 , G01R31/367 , G01R31/392 , G06N3/04
Abstract: 本发明公开了一种考虑容量再生现象的锂电池剩余寿命预测方法，通过加速待测锂电池的寿命实验，获取待测锂电池在不同时刻的退化量；然后利用容量再生现象检测算法去除锂电池历史退化数据中的容量再生现象，并用这些处理后的退化数据训练一个LSTM网络；接着采用容量再生检测算法实时检测待测锂电池包含的容量再生现象，去除待测锂电池的容量再生数据；最后采用训练好的LSTM神经网络进行待测锂电池的RUL实时预测，并对由容量再生现象造成的RUL预测误差进行修正，具有预测精度高、实时性好、预测速度快等特点。
-
公开(公告)号：CN114861544A
公开(公告)日：2022-08-05
申请号：CN202210539397.6
申请日：2022-05-18
Applicant: 电子科技大学
IPC: G06F30/27 , G06N3/00 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种基于多目标优化的复杂系统序贯测试序列生成方法，通过蒙特卡洛模拟获取各目标的正态分布参数，然后按照节点包含故障概率最大的方式开展蚁群迭代算法，在迭代的过程中根据各目标的收敛程度动态的调整相关参数，并更新各蚂蚁在不同阶段选择拓展节点的概率，使算法产生的解集不断地逼近多目标优化的非劣解，作为最终生成的序贯测试序列用于后续的故障诊断，进而提升故障诊断的效率。
-
公开(公告)号：CN113391211B
公开(公告)日：2022-04-19
申请号：CN202110654915.4
申请日：2021-06-11
Applicant: 电子科技大学
IPC: G01R31/367 , G01R31/387 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种小样本条件下的锂电池剩余寿命预测方法，通过加速锂电池的寿命实验，获取锂电池容量在不同时刻的退化量；然后利用最大似然估计算法估计每个锂电池在二阶段维纳过程模型中的参数，进而估计出每个的分布参数；接着利用二阶段维纳过程扩充锂电池退化数据，用于训练多个神经网络，并通过预测时长选出最优的神经网络，用于待测锂电池剩余寿命的实时预测，具有预测精度高、预测速度快等特点。
-
公开(公告)号：CN114859231B
公开(公告)日：2023-06-09
申请号：CN202210451987.3
申请日：2022-04-27
Applicant: 电子科技大学
IPC: G01R31/367 , G01R31/392 , G06F17/18
Abstract: 本发明公开了一种基于维纳过程和极限学习机的电池剩余寿命预测方法，通过加速历史电池的寿命实验，获取历史电池在不同时刻的退化量；然后利用历史电池的退化数据估计维纳过程模型的参数；接着通过两阶段参数更新的方法对待测电池的维纳过程模型参数进行迭代更新，并将更新后的模型参数用于生成仿真电池退化数据；最后通过极限学习机预测当前时刻下待测电池的剩余寿命，具有预测精度高、实时性好等特点。
-
公开(公告)号：CN114861544B
公开(公告)日：2023-06-02
申请号：CN202210539397.6
申请日：2022-05-18
Applicant: 电子科技大学
IPC: G06F30/27 , G06N3/006 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种基于多目标优化的复杂系统序贯测试序列生成方法，通过蒙特卡洛模拟获取各目标的正态分布参数，然后按照节点包含故障概率最大的方式开展蚁群迭代算法，在迭代的过程中根据各目标的收敛程度动态的调整相关参数，并更新各蚂蚁在不同阶段选择拓展节点的概率，使算法产生的解集不断地逼近多目标优化的非劣解，作为最终生成的序贯测试序列用于后续的故障诊断，进而提升故障诊断的效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
