公开(公告)号：CN113536676B

公开(公告)日：2022-09-27

申请号：CN202110801474.6

申请日：2021-07-15

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  程艺 ,  侯杰 ,  陈丰伟 ,  俞成浦 ,  孙健 ,  周桐

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  H01M10/42 ,  G06F119/02

Abstract: 本发明涉及一种基于特征迁移学习的锂电池健康状况监测方法，属于电池管理技术领域。该方法包括以下步骤：S1：基于特征迁移学习混合模型的构建；S2：基于特征迁移学习混合模型的应用。针对在缺少锂电池训练数据情况下，神经网络监测锂电池健康状况效果不佳的问题，研究基于特征迁移学习的锂电池健康状况监测方法。以神经网络模型为对象，设计CNN‑BILSTM串联混合模型，实现空间特征以及双向时间依赖关系的提取；以锂电池数据的特征空间为对象，研究特征迁移学习算法，通过迁移其他数据集的特征知识用于模型训练，实现在缺少训练数据情况下，训练信息的弥补。

公开(公告)号：CN113536676A

公开(公告)日：2021-10-22

申请号：CN202110801474.6

申请日：2021-07-15

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  程艺 ,  侯杰 ,  陈丰伟 ,  俞成浦 ,  孙健 ,  周桐

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  H01M10/42 ,  G06F119/02

Abstract: 本发明涉及一种基于特征迁移学习的锂电池健康状况监测方法，属于电池管理技术领域。该方法包括以下步骤：S1：基于特征迁移学习混合模型的构建；S2：基于特征迁移学习混合模型的应用。针对在缺少锂电池训练数据情况下，神经网络监测锂电池健康状况效果不佳的问题，研究基于特征迁移学习的锂电池健康状况监测方法。以神经网络模型为对象，设计CNN‑BILSTM串联混合模型，实现空间特征以及双向时间依赖关系的提取；以锂电池数据的特征空间为对象，研究特征迁移学习算法，通过迁移其他数据集的特征知识用于模型训练，实现在缺少训练数据情况下，训练信息的弥补。

公开(公告)号：CN115407653A

公开(公告)日：2022-11-29

申请号：CN202210937129.X

申请日：2022-08-05

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  苏豪 ,  陈丰伟 ,  俞成浦 ,  李鹏华

IPC: G05B13/04 ,  G06F17/10 ,  G06F17/16

Abstract: 本发明涉及一种数据驱动的输入输出含噪声Hammerstein非线性系统偏差校正辨识方法，属于控制理论与控制工程非线性系统辨识领域。该方法包括：S1：采集系统观测输入数据和观测输出数据；S2：构建Hammerstein非线性系统可解释重构模型；S3：处理Hammerstein非线性系统噪声与系统数据，解耦噪声作用；S4：利用二维搜索方法求解系统噪声方差；S5：利用最小二乘偏差校正方法求解系统参数辨识。本发明采用系统观测输入输出数据，基于可解释的重构模型，避免参数估计过程的偏差，提高模型精度，提供一致估计。

公开(公告)号：CN115407653B

公开(公告)日：2025-02-07

申请号：CN202210937129.X

申请日：2022-08-05

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  苏豪 ,  陈丰伟 ,  俞成浦 ,  李鹏华

IPC: G05B13/04 ,  G06F17/10 ,  G06F17/16

Abstract: 本发明涉及一种数据驱动的输入输出含噪声Hammerstein非线性系统偏差校正辨识方法，属于控制理论与控制工程非线性系统辨识领域。该方法包括：S1：采集系统观测输入数据和观测输出数据；S2：构建Hammerstein非线性系统可解释重构模型；S3：处理Hammerstein非线性系统噪声与系统数据，解耦噪声作用；S4：利用二维搜索方法求解系统噪声方差；S5：利用最小二乘偏差校正方法求解系统参数辨识。本发明采用系统观测输入输出数据，基于可解释的重构模型，避免参数估计过程的偏差，提高模型精度，提供一致估计。