-
公开(公告)号：CN110888059A
公开(公告)日：2020-03-17
申请号：CN201911219341.7
申请日：2019-12-03
Applicant: 西安科技大学
IPC: G01R31/367 , G01R31/3842 , B60L58/12
Abstract: 本发明公开了一种基于改进随机森林联合容积卡尔曼动力电池荷电状态估计的算法，用来解决动力电池在工作中荷电状态准确估计的问题。该方法结合了随机森林回归和容积卡尔曼滤波算法联合估计动力电池荷电状态，并通过含有禁忌鲸鱼搜索算法加权优化随机森林的参数，以达到对算法剪枝阈值、预测试样本数、决策树数量最优化处理，优化算法能够快速找到最优解，提高算法效率；通过双向长短时记忆人工神经网络，对动力电池剩余寿命进行预测，以达到修正电池最大可用容量，提高全时工况动力电池荷电状态估计的精度的目的；通过联合估计算法综合了随机森林和容积卡尔曼滤波两种算法，发挥两种算法的优点，避免两者的缺点，使动力电池荷电状态估计精度更高。
-
Patent Agency Ranking
公开(公告)号：CN110744980A
公开(公告)日：2020-02-04
申请号：CN201911078401.8
申请日：2019-11-06
Applicant: 西安科技大学
IPC: B60G17/015 , B60G17/018 , B60G17/019 , F16F15/027
Abstract: 本发明属于汽车悬架系统技术领域，尤其是涉及一种多模式复合式馈能型悬架作动器及其控制方法。本发明的多模式复合馈能悬架作动器的控制方法的方法步骤简单，通过理想主动力与悬架速度方向切换所述车辆主动悬架的工作控制模式，所述车辆混合悬架在半主动模式与主动耗能工作模式之间切换，节约能源的同时，能够使混合悬架处于最佳的减振状态，工作稳定性和可靠性高，不易发生故障，无需经常维护维修。
-
公开(公告)号：CN110579714A
公开(公告)日：2019-12-17
申请号：CN201910680177.3
申请日：2019-07-26
Applicant: 西安科技大学
IPC: G01R31/3828 , G01R31/3842 , G06N3/04 , G06N3/08
Abstract: 本发明属于动力电池管理系统领域，尤其涉及一种基于BAS优化ElmanNN-AH法电池SOC双态切换算法。本发明采用BAS算法对ElmanNN中的权值进行优化，并依据ElmanNN与修正安时法切换的方法，对于不同电池状态切换不同的估计算法。消除了安时积分法初始SOC难测量和误差累计的缺点，同时减少了神经网络的训练数据和训练次数，减轻了工作量。
-
公开(公告)号：CN110888058A
公开(公告)日：2020-03-17
申请号：CN201911210790.5
申请日：2019-12-02
Applicant: 西安科技大学
IPC: G01R31/367 , G01R31/392 , G01R31/3842 , B60L58/12 , B60L58/16
Abstract: 本发明涉及电动汽车动力电池系统电池电荷状态估计技术领域，具体为一种基于动力电池SOC和SOH联合估计的算法，该方法通过含有TSBSO算法优化RF算法的参数，以达到对算法剪枝阈值、预测试样本数、决策树数量最优化处理，优化后的算法能够快速找到全局最优解，提升算法效率；通过RBM估计动力电池SOH，用WOA优化RBM，避免模型参数陷入局部最优，以达到修正电池最大可用容量，提高全时工况动力电池SOC估计的精度的目的；通过TSBSO-RF算H∞法和滤波联合估计动力电池荷电状态，采用线性融合算法发挥两种算法的优点，避免两者的缺点，使动力电池SOC估计精度更高。
-
公开(公告)号：CN110888059B
公开(公告)日：2022-04-19
申请号：CN201911219341.7
申请日：2019-12-03
Applicant: 西安科技大学
IPC: G01R31/367 , G01R31/3842 , B60L58/12
Abstract: 本发明公开了一种基于改进随机森林联合容积卡尔曼动力电池荷电状态估计的算法，用来解决动力电池在工作中荷电状态准确估计的问题。该方法结合了随机森林回归和容积卡尔曼滤波算法联合估计动力电池荷电状态，并通过含有禁忌鲸鱼搜索算法加权优化随机森林的参数，以达到对算法剪枝阈值、预测试样本数、决策树数量最优化处理，优化算法能够快速找到最优解，提高算法效率；通过双向长短时记忆人工神经网络，对动力电池剩余寿命进行预测，以达到修正电池最大可用容量，提高全时工况动力电池荷电状态估计的精度的目的；通过联合估计算法综合了随机森林和容积卡尔曼滤波两种算法，发挥两种算法的优点，避免两者的缺点，使动力电池荷电状态估计精度更高。
-
公开(公告)号：CN110888058B
公开(公告)日：2021-12-31
申请号：CN201911210790.5
申请日：2019-12-02
Applicant: 西安科技大学
IPC: G01R31/367 , G01R31/392 , G01R31/3842 , B60L58/12 , B60L58/16
Abstract: 本发明涉及电动汽车动力电池系统电池电荷状态估计技术领域，具体为一种基于动力电池SOC和SOH联合估计的算法，该方法通过含有TSBSO算法优化RF算法的参数，以达到对算法剪枝阈值、预测试样本数、决策树数量最优化处理，优化后的算法能够快速找到全局最优解，提升算法效率；通过RBM估计动力电池SOH，用WOA优化RBM，避免模型参数陷入局部最优，以达到修正电池最大可用容量，提高全时工况动力电池SOC估计的精度的目的；通过TSBSO‑RF算法和H∞滤波联合估计动力电池荷电状态，采用线性融合算法发挥两种算法的优点，避免两者的缺点，使动力电池SOC估计精度更高。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
