-
公开(公告)号：CN116894358A
公开(公告)日：2023-10-17
申请号：CN202310832474.1
申请日：2023-07-08
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G06F30/23 , G06F30/25 , G06F30/12 , G16C60/00 , G06F111/04 , G06F111/10 , G06F113/08 , G06F113/26 , G06F119/02 , G06F119/14
Abstract: 本发明涉及一种机械滥用下水下锂离子电池失效建模与分析方法，属于电池分析技术领域。首先通过试验分别获取电池各个组分材料在机械载荷下的位移‑应力曲线；然后电池的每个组分的结构参数建立三维几何模型，将建立的三维几何模型导入LS‑DYNA中，建立电池的精细化有限元模型并划分网格；最后对模型施加载荷和边界条件进行求解，得出电池的载荷‑位移曲线。本发明方法通过仿真方法模拟电池的受损情况，减少了试验成本，获取电池的损伤容限，有利于锂离子电池在实际工作中的使用和保护。
-
公开(公告)号：CN116667500A
公开(公告)日：2023-08-29
申请号：CN202310753044.0
申请日：2023-06-26
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: H02J7/00 , H01M10/42 , H01M10/44 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及一种采用神经元网络模型对水下航行器锂电池组均衡的方法，以及实现均衡的系统。通过建立神经元网络模型的方法，将以电池SOC为指标的均衡策略和以电压为指标的均衡策略相互融合。经过充分训练的神经元网络模型根据电池工作中的数据动态选择均衡指标和策略，根据神经元网络模型输出采用有效提高均衡策略的效率。以电池SOC为指标的均衡策略或以电压为指标的均衡策略对水下航行器锂电池组实施均衡，使得整个电池组的不一致性得以消除，避免造成电池的过度充电或过度放电，延长了电池的使用寿命，避免会因为电池热失控发生自燃而使得水下航行器锂电池组损毁而造成重大损失。
-
公开(公告)号：CN117406089A
公开(公告)日：2024-01-16
申请号：CN202311278729.0
申请日：2023-09-30
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/367 , G01R31/396 , G06N7/01
Abstract: 本发明涉及一种基于蒙特卡洛算法评估柔性电池组的可用容量的方法，属于电池管理技术领域。在经验模型的基础上，通过实验数据分析了温度与电池健康状态SOH之间的关系及其影响因素，并利用非线性回归对数据进行拟合，确定了模型参数，最终建立了不可逆容量损失与温度和时间的存储寿命预测模型。基于单体的差异和存储测试过程中的测量误差，建立了误差模型，并对电池的存储寿命进行了蒙特卡洛模拟测试。基于上述给出了单个柔性电池的容量衰减概率分布，再结合电池组的成组方式与成组可用电量的算法规律得到柔性电池组的可用容量的概率分布。
-
公开(公告)号：CN117406122A
公开(公告)日：2024-01-16
申请号：CN202311282893.9
申请日：2023-09-28
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/392 , G01R31/367 , G01R31/3835 , G01R31/378
Abstract: 本发明涉及一种基于放电过程参数评估柔性电池组的健康状态的方法，属于电池管理技术领域。根据实验所获得的数据，基于断电后30分钟内电池端电压的变化规律，通过最小二乘法获得该阶段电池的时间参数τ，然后根据时间参数τ与SOH的关系来确定电池的SOH。本发明方法可以根据短时间的电压与时间测量对电池的SOH值进行推算，该方法相对于现有方法安时积分法，无需对电池进行彻底的放电操作并记录整个放电过程中的电流数值。
-
公开(公告)号：CN117007995A
公开(公告)日：2023-11-07
申请号：CN202310867755.0
申请日：2023-07-16
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/389
Abstract: 本发明涉及一种基于特征分布的多电池仿生用锂离子电池故障诊断方法，属于电池故障诊断技术领域。将电池组采集到的内阻R数据结合到所提出的离群值检测算法中，然后，通过检测算法的结果将电池分组，筛选出异常电池以进行下一梯次利用，所提出的算法可以通过微控制器上实现。该算法操作简单，在检测到内阻R后即可自动通过微控制器判别异常，并将失效电池进行分组后进行梯次利用，既提高故障检测效率，又实现节约资源的目的。
-
Patent Agency Ranking
公开(公告)号：CN116500457B
公开(公告)日：2023-09-19
申请号：CN202310752921.2
申请日：2023-06-26
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/367 , G01R31/388 , G06F30/3308 , G06N3/08 , G06F115/02
Abstract: 本发明提出的一种神经元网络融合RC等效电路模型估计电池SOC的方法，创建电池的多阶数等效电路模型；将每阶RC等效电路模型进行建模，参数辨识得到每个RC等效电路模型在充电时和放电时的辨识参数；对三种RC等效电路模型仿真，得到电路模型对电池当前工作状态的仿真电压值；将仿真电压值，通过多输入，多输出的神经神经元网络，经过神经神经元网络输出为三种等效电路模型的贡献值；以得到的三个等效电路模型的贡献值为权值，以对应的三个等效电路模型的SOC估计算法得到SOC值进行加权融合，得到电池荷电状态SOC。
-
公开(公告)号：CN116500457A
公开(公告)日：2023-07-28
申请号：CN202310752921.2
申请日：2023-06-26
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/367 , G01R31/388 , G06F30/3308 , G06N3/08 , G06F115/02
Abstract: 本发明提出的一种神经元网络融合RC等效电路模型估计电池SOC的方法，创建电池的多阶数等效电路模型；将每阶RC等效电路模型进行建模，参数辨识得到每个RC等效电路模型在充电时和放电时的辨识参数；对三种RC等效电路模型仿真，得到电路模型对电池当前工作状态的仿真电压值；将仿真电压值，通过多输入，多输出的神经神经元网络，经过神经神经元网络输出为三种等效电路模型的贡献值；以得到的三个等效电路模型的贡献值为权值，以对应的三个等效电路模型的SOC估计算法得到SOC值进行加权融合，得到电池荷电状态SOC。
-
公开(公告)号：CN117471322A
公开(公告)日：2024-01-30
申请号：CN202311311827.X
申请日：2023-10-10
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/367 , G01R31/392 , G01R31/385 , G01R31/389 , G06F17/12
Abstract: 本发明涉及电池技术领域，具体涉及一种串联电池组的基于多模型融合的多状态联合估计方法，包括：获取串联电池组的电压和电流及内阻；获取更新后的均值电路模型；获取更新后的差异模型；根据更新后的均值电路模型和更新后的差异模型，获取串联电池组中每个电池的荷电状态与容量之间的耦合关系的均值差多状态空间方程组；根据均值差多状态空间方程组，基于多尺度双H无限滤波算法对串联电池组中的荷电状态及容量进行联合估计。本发明以改善电池组模型在复杂工况下的动态特性，兼顾计算复杂度，提高电池组多状态估计的准确性和鲁棒性。
-
公开(公告)号：CN117471321A
公开(公告)日：2024-01-30
申请号：CN202311297780.6
申请日：2023-10-09
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/367 , G06F30/23 , G06F30/367 , G16C10/00 , G16C20/10 , G01R31/389 , G01R31/385 , G01R31/374 , G01R31/387 , G01D21/02 , G06F111/10 , G06F119/06 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种水下锂离子电池多物理场耦合建模方法，属于电池仿真技术领域。包括：构建Thevenin等效电路模型，基于Thevenin等效电路模型对水下锂电池进行HPPC混合脉冲功率特性试验，参数辨识得到电池参数；所述的电池参数包括电池的欧姆内阻、等效极化电容和等效极化内阻；基于LS‑DYNA和Ansys WorkBench建立电池模型；对建立的电池模型分别构建机械结构求解器、热力学求解器和电磁求解器，所述的电磁求解器基于电池参数求解；机械结构求解器、热力学求解器和电磁求解器耦合计算生成应力云图、位移云图、温度分布图和电流密度云图，得到水下锂离子电池受力时的多物理场变化过程，通过分析多物理场变化过程，更好的运用于实际工况中。
-
公开(公告)号：CN117420467A
公开(公告)日：2024-01-19
申请号：CN202311275718.7
申请日：2023-09-28
Applicant: 西北工业大学 , 西北工业大学宁波研究院
IPC: G01R31/392 , G06N20/20 , G06N20/10 , G06N3/084 , G06F18/2411 , G06F18/27 , G01R31/367
Abstract: 本发明涉及一种基于集成学习法判断电池健康状态的方法，属于电池健康技术领域。包括：获取电池时间和电压以及这两个参数下对应的SOH；将获取的电池时间和电压作为SVR支持向量机学习模型的输入，SOH作为SVR支持向量机学习模型的输出，进行训练；将获取的电池时间和电压作为BP神经网络学习模型的输入，SOH作为BP神经网络学习模型的输出，进行训练；将SVR支持向量机学习模型和BP神经网络学习模型通过平均得到一个集成学习法模型，得到相应的电池SOH预测值。本发明集成学习法较单一算法能够获得精确度更高的结果，解决了现有超薄柔性电池健康状态预测方法仅提供一种精确度更高的判定依据而带来的精确度不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.032 seconds)
