一种锂离子动力电池剩余寿命预测方法

    公开(公告)号:CN113392507A

    公开(公告)日:2021-09-14

    申请号:CN202110568605.0

    申请日:2021-05-25

    Abstract: 本发明公开了一种锂离子动力电池剩余寿命预测方法,包括步骤一、建立锂离子动力电池的经验容量退化模型;二、以锂离子动力电池容量为状态变量,根据经验容量退化模型建立离散时间的状态方程和观测方程;三、确定求积分点大小及求积分点所对应的权值;四、采用改进的平方根求积分卡尔曼滤波算法对锂离子动力电池容量的历史数据跟踪估计,得到模型的辨识参数;五、采用改进的平方根求积分卡尔曼滤波算法对锂离子动力电池的剩余容量不断预测估计,得出锂离子动力电池的剩余寿命。本发明步骤简单,实现方便,能够有效应用在新能源汽车等对锂离子动力电池剩余寿命预测要求较高的领域,实时性好,精确性高,效果显著,便于推广。

    基于错定多模型假设检验的信号检测方法

    公开(公告)号:CN107171753A

    公开(公告)日:2017-09-15

    申请号:CN201710464475.X

    申请日:2017-06-19

    CPC classification number: H04B17/382 H04B17/3913 H04W16/14

    Abstract: 本发明公开了一种基于错定多模型假设检验的信号检测方法,包括步骤:一、针对信号特征,选择无信号模型集和有信号模型集,将原始基于模型的信号检测问题描述为二元复合假设检验形式;二、计算没有信号的模型集的似然;三、根据多模型算法,计算有信号的模型集的似然;四、计算无信号的模型集和有信号的模型集的中间信号模型的似然;五、计算2‑SPRT决策律的检验统计量并与阈值对比得到渐近最优检测结果。本发明方法步骤简单,实现方便,解决了现有方法中判决失误和停止时间无上界问题,能得到具有合适的平均样本量和错误概率的检测结果,并能为检测理论的未来发展提供新的思路,实用性强,便于推广使用。

    一种锂离子电池剩余电量估计方法

    公开(公告)号:CN114397578B

    公开(公告)日:2025-01-03

    申请号:CN202210191938.0

    申请日:2022-02-28

    Abstract: 本发明公开了一种锂离子电池剩余电量估计方法,包括步骤一、建立锂离子电池的分数阶模型;二、对分数阶模型中的参数进行参数辨识;三、根据分数阶模型建立状态方程和观测方程;四、对状态方程和观测方程离散化,建立以SOC为状态变量的离散状态方程和离散观测方程;五、建立锂离子电池的交互式多分数阶模型;六、对锂离子电池的剩余电量不断估计。本发明建立多个表征不同电池寿命状态的分数阶模型,利用交互式多模型算法自适应跟踪目标状态,可以避免电池老化导致参数变化从而影响估计精度的问题,降低了模型和算法的复杂度,对锂离子电池的动态适应性好,估计精度高,效果显著,便于推广。

    基于改进的生成对抗网络的图像去模糊方法

    公开(公告)号:CN114331859A

    公开(公告)日:2022-04-12

    申请号:CN202110803166.7

    申请日:2021-07-15

    Abstract: 本发明公开了一种基于改进的生成对抗网络的图像去模糊方法,包括步骤:一、将待去模糊的图像输入预先训练好的改进的生成对抗网络中;二、所述改进的生成对抗网络对待去模糊的图像进行去模糊处理,得到去模糊后的图像。本发明针对非盲去模糊方法估计模糊核时的不适定问题,采用深度学习的方法,在分析生成对抗网络的理论基础上,提出了一种基于改进的生成对抗网络的图像去模糊方法,在生成对抗网络的基础上,构建了改进的生成对抗网络,引入加权的思想构建新的目标函数,通过调节权值系数来平衡正向KL散度和反向KL散度的占比,能够更好地复原出清晰图像。

    基于求积分卡尔曼滤波的锂电池剩余电量估计方法

    公开(公告)号:CN112098849A

    公开(公告)日:2020-12-18

    申请号:CN202010990948.1

    申请日:2020-09-19

    Abstract: 本发明公开了一种基于求积分卡尔曼滤波的锂电池剩余电量估计方法,包括步骤一、建立锂电池的等效电路模型;二、根据等效电路模型建立状态方程和观测方程;三、对等效电路模型中参数进行参数辨识;四、以SOC为状态变量,建立离散时间的状态方程;五、确定Gauss‑Hermite求积分点的大小以及求积分点所对应的权值;六、采用求积分卡尔曼滤波的运算流程对放电过程中的锂电池剩余电量不断估计。本发明方法步骤简单,实现方便,通过求积分卡尔曼滤波算法对锂电池剩余电量进行估计,对锂电池的动态适应性好,估计精度高,能够有效应用在新能源汽车等对锂电池剩余电量估计实时性和精确性要求较高的领域,效果显著,便与推广。

    基于二阶EKF算法的锂离子电池SOC估计方法

    公开(公告)号:CN109839599A

    公开(公告)日:2019-06-04

    申请号:CN201811444425.6

    申请日:2018-11-29

    Abstract: 本发明公开了一种基于二阶EKF算法的锂离子电池SOC估计方法,包括步骤:一、电池外特性分析,具体过程为:对电池进行间歇充放电实验,得到表征电池的滞回特性的开路电压曲线以及表征电池的回弹特性的充放电静置电压曲线;二、建立电池的等效电路模型;三、对电池的等效电路模型的参数进行参数辨识;四、采用二阶EKF算法对电池的SOC进行估计,得到电池的SOC的预测结果。本发明方法设计新颖合理,实现方便,对电池的动静态特性适应性较好,具有较高的估算精度,实用性强,推广应用价值高。

Patent Agency Ranking