公开(公告)号：CN119719679A

公开(公告)日：2025-03-28

申请号：CN202411877813.9

申请日：2024-12-19

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  郑欣佑 ,  项盛 ,  侯杰 ,  向飞 ,  周晶晶 ,  邓忠伟 ,  陈立平

IPC: G06F18/20 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/045 ,  G06F123/02

Abstract: 本发明涉及一种基于通道独立的双向交互Mamba的座舱空调预测方法，属于智能用电技术领域。该方法通过构建CIBG‑Mamba‑交互循环机制模型，包括CIBG‑Mamba和交互式递归机制；其中CIBG‑Mamba通过将Mamba模型集成到信道独立的递归单元中，捕捉不同维度时间序列数据的局部模式和变化；交互式递归机制是通过特定信道的状态转移函数，实现跨信道的信息交互，捕捉不同维度间的复杂依赖关系。本发明可以提高温度预测精度。

公开(公告)号：CN117590241A

公开(公告)日：2024-02-23

申请号：CN202311850214.3

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  高代林 ,  刘晟炜 ,  毛燕 ,  杨哲林 ,  侯杰 ,  项盛 ,  谢丽荣 ,  邓忠伟

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/392

Abstract: 本发明涉及一种基于状态衰减和交互学习的锂电池健康状态监测方法，属于电池技术领域。该方法包括：构建缺失数据向量；对锂电池序列的缺失数据的特征提取；多分辨率时间特征提取；多尺度特征的比例融合。锂电池时间序列属于一维数据，各类曲线是对锂电池工况的客观但抽象的反映，人们并不能直接利用传统的数据填充方法来破坏数据的非线性。本研究以DEC‑LSTM和CIN为核心模块，构建满足SOH和RUL等任务的混合神经网络，实现对锂电池健康状态的准确监测。本研究兼顾了数据来源的真实性和模型预测的准确性，为异常缺失数据的数据处理提供了一种新的技术手段，亦可迁移到其他工业领域，作为解决异常缺失数据问题的方法之一。

公开(公告)号：CN113721159A

公开(公告)日：2021-11-30

申请号：CN202111135219.9

申请日：2021-09-27

Applicant: 重庆大学 ,  重庆邮电大学

Inventor： 邓忠伟 ,  刘弘奥 ,  胡晓松 ,  唐小林 ,  李佳承 ,  李鹏华 ,  侯杰

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明涉及一种面向随机局部充电的数据驱动电池健康估计方法，属于电池技术领域，包括以下步骤：S1：对恒流充电过程进行电压分段，以得到若干随机局部充电片段；S2：提取出每个随机充电片段下的电量增量ΔQ，得到恒流充电过程的电量增量序列，作为估计电池健康状态的特征数据；S3：对于提取出的电量增量序列，对其不同的统计学特性与电池健康状态的相关性进行分析，选取与高相关性的统计学特征作为健康因子；S4：使用稀疏高斯过程回归方法进行电池健康状态估计。不同于其他方法中需要对不同的充电片段分别建立不同的估计模型，本发明仅需建立单个估计模型，就可利用任意随机局部充电片段实现电池健康状态的在线估计，且提高了估计的准确性。

公开(公告)号：CN120044391A

公开(公告)日：2025-05-27

申请号：CN202510116632.2

申请日：2025-01-24

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  陈澳 ,  吴显奎 ,  胡晓松 ,  向飞 ,  周晶晶 ,  邓忠伟 ,  侯杰 ,  项盛

IPC: G01R31/36 ,  G01R31/367 ,  G01R31/392 ,  G01R31/378 ,  G01R31/385 ,  G06F30/27 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096 ,  G06F119/12 ,  G06F119/04

Abstract: 本发明涉及一种用于商用锂离子电池的早期剩余使用寿命预测方法，属于电池能源技术领域，首先将每个电池的前100个周期的容量电压曲线差值经过仿射变换为像素数据作为输入数据。然后采用特征‑时间步筛选的Mamba模型和结合重新参数化方法的深度可分离卷积模型，计算重构特征和软标签。接着，设计将判别器进行层级分解放入模型的特征生成器中。最后基于重构的特征计算知识蒸馏损失。

公开(公告)号：CN118153631A

公开(公告)日：2024-06-07

申请号：CN202410285274.3

申请日：2024-03-13

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  杨哲林 ,  胡晓松 ,  陈立平 ,  侯杰 ,  项盛 ,  邓忠伟

IPC: G06N3/0455 ,  G06N3/084 ,  G06F30/27 ,  G06F18/213 ,  G06F18/15 ,  G06F111/08 ,  G06F119/02 ,  G06F123/02

Abstract: 本发明涉及一种基于复合神经网络的锂电池RUL预测方法及系统，属于电池监测技术领域。该方法包括以下步骤：数据预处理及灰色关联分析；设计变异Transformer神经网络。本发明针对锂电池相关数据设计了一种加入ProbSparse自注意力机制的变异Transformer神经网络。首先将多头自注意力机制改为ProbSparse多头自注意力机制以避免Transformer编码器泄露序列信息的线索，改善该模型在处理此类任务时的位置不敏感特性和数据高复杂度问题，再将前馈网络子层中的LayerNorm改为BatchNorm以提升计算效率并使模型更加适配RUL的预测。

公开(公告)号：CN117805651A

公开(公告)日：2024-04-02

申请号：CN202311686888.4

申请日：2023-12-08

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  毛燕 ,  侯杰 ,  邓忠伟 ,  项盛 ,  刘晟炜 ,  杨哲林 ,  解馥菁

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/378 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/086

Abstract: 本发明涉及一种基于L‑TCN与GL‑Former的轻量化锂电池健康状态估计方法，属于新能源技术领域，涉包括以下步骤：S1：采集数据：通过传感器采集真实锂电池充放电数据，包括放电电压、放电电流、电池体温度和电池容量；S2：建立轻量化的改进时间卷积神经网络L‑TCN与全局局部Transformer架构GL‑Former的混合神经网络模型，提取锂电池数据的时间特征和空间特征；S3：采用遗传算法选择最优的模型超参数；S4：将步骤S1的数据和步骤S3的超参数输入到混合神经网络模型中进行训练，得到训练好的锂电池健康状态估计模型，然后基于所述锂电池健康状态估计模型进行电池健康状态预测。

公开(公告)号：CN118821904A

公开(公告)日：2024-10-22

申请号：CN202410793377.0

申请日：2024-06-19

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  刘晟炜 ,  侯杰 ,  项盛 ,  邓忠伟 ,  辛飞洋 ,  徐浩翔

IPC: G06N3/094 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G01R31/367 ,  G01R31/387

Abstract: 本发明涉及一种基于双重残差分层生成对抗网络的锂电池容量数据生成方法，属于锂电池历史容量数据生成领域。该方法首先建立双重残差分层生成对抗网络模型，采集真实锂电池充放电的容量数据；然后将采集的数据输入建立的双重残差分层生成对抗网络模型中进行训练，通过训练好的双重残差分层生成对抗网络模型进行锂电池容量数据的生成。其中，所述的双重残差分层生成对抗网络模型包括生成器和判别器，生成器和判别器均包括S个相同的通过双重残差连接的模块。本发明能够获得与真实数据具有较大相似性的生成数据，可以为锂电池RUL预测的神经网络提供足够且丰富的训练数据，提高神经网络的准确性和泛化性。