-
公开(公告)号：CN110095731A
公开(公告)日：2019-08-06
申请号：CN201910372667.7
申请日：2019-05-06
Applicant: 哈尔滨工业大学
IPC: G01R31/392 , G01R31/367
Abstract: 应用于长寿命空间锂离子电池的剩余寿命直接预测方法，涉及锂离子电池寿命预测方法技术领域。本发明是为了解决对于循环寿命可达5～8年的空间锂离子电池而言，传统的基于退化轨迹建模的剩余寿命预测方法难以适用于此类预测水平长、退化缓慢的应用场景中的问题。采集每节锂离子电池每个周期内的电池容量数据构建数据集，根据设定每节电池寿命最大值和周期数获得不同周期下每节电池的剩余寿命；将数据集作为训练数据输入，将电池剩余寿命作为输出数据，将输入和输出数据带入相关向量机模型得到训练好的容量序列与剩余寿命的映射模型；将各周期下的待预测电池容量输入到映射模型中，得到待预测电池剩余寿命的估计值。用于预测锂离子电池的剩余寿命。
-
公开(公告)号：CN110082692A
公开(公告)日：2019-08-02
申请号：CN201910376004.2
申请日：2019-05-07
Applicant: 哈尔滨工业大学
IPC: G01R31/392 , G01R31/374 , G01R19/00
Abstract: 一种低轨卫星电池组内单体不一致性量化表征及电池组退化特征的提取方法，涉及低轨卫星锂离子电池在轨性能评价领域，为了解决现有电池单体不一致性评估方法不适用于低轨卫星，无法评价电池组退化状态的问题。本发明在每个轨道周期结束后，提取电池组内各单体的单体充电截止电压数据；对同一轨道周期电池组内各单体充电截止电压进行K-S检验；对同一轨道周期电池组内各单体充电截止电压进行W检验；若某一轨道周期的K-S检验和W检验结果相同，且均为该轨道周期电池组内各单体充电截止电压满足正态分布，则计算该轨道周期的各单体充电截止电压方差，并用于表征单体间的不一致性。本发明适用于提取单体不一致性量化表征及电池组退化特征。
-
公开(公告)号：CN106197424B
公开(公告)日：2019-03-22
申请号：CN201610487801.4
申请日：2016-06-28
Applicant: 哈尔滨工业大学
IPC: G01C21/20
Abstract: 本发明提供了一种遥测数据驱动的无人机飞行状态识别方法，本发明提出一种基于切比雪夫特征提取和随机森林分类算法(Chebyshev‑Random Forest Algorithm，C‑RF算法)的无人机状态识别方法。采用Chebyshev拟合法对无人机的遥测数据进行特征提取和降维，利用随机森林算法实现飞行状态的自适应分类。所提出方法将Chebyshev拟合系数计算简单、接近最佳拟合的优点与随机森林算法的训练速度快、分类准确率高和抗噪能力强等优点相结合，可覆盖无人机的各类样本且避免过拟合问题，实现了无人机飞行状态的有效识别。采用真实无人机飞行遥测数据进行验证，总体识别准确率高于90％，少类样本同样被准确识别，证明了所提出方法的有效性和实用性。
-
公开(公告)号：CN108732509A
公开(公告)日：2018-11-02
申请号：CN201810576541.7
申请日：2018-06-06
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 一种面向空间应用的锂离子电池荷电状态的在线估计方法，涉及锂离子电池健康管理领域，为了解决现有锂离子电池SOC估计方法存在的估计精度低、稳定性差和对训练数据集的完备性要求较高的问题。建立电池等效电路模型；进行模型参数辨识，并考虑模型参数与SOC间的变化关系，建立模型参数插值表；模型参数满足给电路模型施加电流激励信号时电压响应误差在允许的范围内；建立荷电状态估计系统的状态空间方程；采用建立的状态空间方程，基于UPF算法进行当前时刻电池荷电状态SOC的在线估计；根据当前时刻的荷电状态SOC估计值，结合建立的模型参数插值表更新模型参数，并将更新的模型参数用于下一时刻荷电状态的估计中。适用于在线估计电池荷电状态。
-
公开(公告)号：CN108490392A
公开(公告)日：2018-09-04
申请号：CN201810335260.2
申请日：2018-04-16
Applicant: 哈尔滨工业大学(威海) , 桂林电子科技大学
IPC: G01S5/14
Abstract: 一种基于距离估计值筛选的最小二乘三维定位方法，涉及高精度最小二乘三维定位方法。本发明是为了有效解决由于无线信号传播中的噪声和测量误差等不良影响，导致距离估计精度和三维定位精度较低的问题。本发明所述的一种基于距离估计值筛选的最小二乘三维定位方法，首先将三维定位空间划分为若干个大小相同的立方体，每个立方体的中心点作为一个特征点；然后采用双边对等测距方法获得未知节点与各个锚节点间的距离估计值；最后采用基于特征点的评估和反向考查策略，筛选出高质量的距离估计值以及对应的锚节点，并采用最小二乘定位方法，解算出高精度的定位结果。
-
Patent Agency Ranking
公开(公告)号：CN108414947A
公开(公告)日：2018-08-17
申请号：CN201810575839.6
申请日：2018-06-06
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 一种基于多时间尺度的空间锂离子电池状态联合估计方法，涉及锂离子电池管理领域，为了解决现有的方法无法适用于电池在SOH退化条件下的SOC长期估计的问题。建立电池等效电路模型；进行模型参数辨识，建立不同SOH条件下的模型参数插值表，一个SOH条件对应一组模型参数插值表；每一组模型参数插值表满足分别给电路模型施加电流激励信号时电压响应误差在允许的范围内；建立多时间尺度状态空间方程；采用建立的多时间尺度状态空间方程，基于UPF算法进行微观尺度下的SOC的估计和宏观尺度下的SOH的估计，根据SOH的退化情况更新用于SOC估计的电池容量和模型参数插值表。适用于估计SOC。
-
公开(公告)号：CN108337638A
公开(公告)日：2018-07-27
申请号：CN201710733140.3
申请日：2017-08-24
Applicant: 哈尔滨工业大学(威海)
CPC classification number: H04W4/025 , G01S5/0278 , G01S5/14 , H04W64/006
Abstract: 一种基于最小标准差的锚节点优化选择的最小二乘定位方法，涉及锚节点优化选择的最小二乘改进定位方法。本发明是为了有效解决通信距离估计误差导致定位精度较低的问题。本发明所述的一种基于最小标准差的锚节点优化选择的最小二乘定位方法，首先采用双边对等距离估计的方法获得未知节点到各个锚节点间距离估计的多个样本值，并统计分析，得到各个距离估计值的统计均值和统计标准差；然后采用动态滑动窗口和单遍扫描的方法获得距离估计的统计标准差最小的几个距离估计值，并选择对应的锚节点构造最小二乘定位方程组；最后采用最小二乘准则获得高精度的定位结果。
-
公开(公告)号：CN107479027A
公开(公告)日：2017-12-15
申请号：CN201710732839.8
申请日：2017-08-24
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于最小误差传播的锚节点优化选择的最大似然定位方法，涉及锚节点优化选择的最大似然改进定位方法。本发明是为了有效解决通信距离估计误差导致定位精度较低的问题。本发明所述的一种基于最小误差传播的锚节点优化选择的最大似然定位方法，首先采用双边对等距离估计的方法获得未知节点到各个锚节点间距离估计的多个样本值，并统计分析，得到各个距离估计值的统计均值和统计标准差；然后采用动态滑动窗口和单遍扫描的方法获得距离估计统计均值及统计标准差乘积值最小的几个距离估计结果，并选择对应的锚节点构造最大似然定位方程组；最后采用最小二乘准则获得高精度的定位结果。
-
公开(公告)号：CN107404708A
公开(公告)日：2017-11-28
申请号：CN201710732862.7
申请日：2017-08-24
Applicant: 哈尔滨工业大学(威海)
CPC classification number: H04W64/006 , G01S5/0278 , H04W4/70
Abstract: 一种基于最小标准差的锚节点优化选择的最大似然定位方法，涉及锚节点优化选择的最大似然改进定位方法。本发明是为了有效解决通信距离估计误差导致定位精度较低的问题。本发明所述的一种基于最小标准差的锚节点优化选择的最大似然定位方法，首先采用双边对等距离估计的方法获得未知节点到各个锚节点间距离估计的多个样本值，并统计分析，得到各个距离估计值的统计均值和统计标准差；然后采用动态滑动窗口的方法获得距离估计的统计标准差最小的几个距离估计值，并选择对应的锚节点构造最大似然定位方程组；最后采用最小二乘准则获得高精度的定位结果。
-
公开(公告)号：CN105510049B
公开(公告)日：2017-11-14
申请号：CN201510980798.5
申请日：2015-12-23
Applicant: 哈尔滨工业大学
IPC: G01M17/007
Abstract: 基于振动信号分析的车辆运行工况监测模块及方法，属于车辆性能监控领域，本发明为解决采用性能参数监测、油液分析监测方法实现对车辆的运行状态监测，需要针对不同车辆来选择不同的监测参数的问题。本发明包括主控制器、信号采集调理单元和TF卡；上位机根据车辆运行工况监测模块提供的车辆振动信号样本构建模型，该模型构建了车辆振动信号的特征值与工况类型的对应关系，该模型下载到主控制器中等待调用；设置在车辆上的加速度传感器采集车辆的振动信号；处理理后信号进行时域分析、频域分析和变换域分析，来获取该车辆振动信号的特征值；并调用模型来判断当前车辆振动信号对应的工况类型，实现对车辆运行工况的在线监测。
-
-
-
-
-
-
-
-
-
Search Results
463
records
(took 0.067 seconds)
