-
公开(公告)号：CN111301088B
公开(公告)日：2023-04-07
申请号：CN201911213467.3
申请日：2019-12-02
Applicant: 西安科技大学
IPC: B60G15/08 , B60G17/015
Abstract: 本发明公开了一种复合阻尼可调式馈能型混合悬架作动器，其系统包括包括作动器本体和作动器控制系统，所述作动器本体包括空气弹簧机构、齿轮齿条机构和电磁阀式减振器，所述作动器控制系统包括作动器控制模块和馈能电机控制模块。本发明的悬架系统结构简单、紧凑，在作动器控制系统及其馈能电路控制下，响应速度快，控制精准，能量转化率高，并且对模糊PID进行改进，使用了基于蝙蝠烟花混合算法的模糊PID对悬架进行控制，提高悬架具有良好的平顺性和操稳性。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN111301088A
公开(公告)日：2020-06-19
申请号：CN201911213467.3
申请日：2019-12-02
Applicant: 西安科技大学
IPC: B60G15/08 , B60G17/015
Abstract: 本发明公开了一种复合阻尼可调式馈能型混合悬架作动器，其系统包括包括作动器本体和作动器控制系统，所述作动器本体包括空气弹簧机构、齿轮齿条机构和电磁阀式减振器，所述作动器控制系统包括作动器控制模块和馈能电机控制模块。本发明的悬架系统结构简单、紧凑，在作动器控制系统及其馈能电路控制下，响应速度快，控制精准，能量转化率高，并且对模糊PID进行改进，使用了基于蝙蝠烟花混合算法的模糊PID对悬架进行控制，提高悬架具有良好的平顺性和操稳性。
-
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：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。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
