-
公开(公告)号:CN113156321B
公开(公告)日:2023-06-20
申请号:CN202110451676.2
申请日:2021-04-26
Applicant: 中国矿业大学
IPC: G01R31/388 , G01R31/367 , G01R31/36 , G01R31/378 , G01R31/389 , G01R31/00
Abstract: 本发明公开一种锂离子电池荷电状态的估算方法,包括以下步骤:S1、建立锂离子电池的等效电路模型,采集开路电压数据与荷电状态数据,基于所述等效电路模型,获取不同状态下的电池模型参数;S2、基于基尔霍夫定律,通过所述等效电路模型和所述电池模型参数,得到模型状态空间方程;S3、基于所述模型状态空间方程,通过鲁棒自适应有限差分卡尔曼滤波法对锂离子电池荷电状态进行估算。本发明能够避免对Jacobian矩阵的计算,实时调整过程噪声协方差,并对观测值进行重构,提高算法估算荷电状态的精度,收敛速度以及对非高斯分布测量噪声的鲁棒性。
-
公开(公告)号:CN115248384A
公开(公告)日:2022-10-28
申请号:CN202210729569.6
申请日:2022-06-24
Applicant: 中国矿业大学
IPC: G01R31/367 , G01R31/385
Abstract: 本发明公开了一种改进的OCV‑SOC曲线拟合及参数辨识方法及系统,包括:获取第一OCV‑SOC曲线、静置点数据;以静置点数据作为约束,将所述第一OCV‑SOC曲线分段插值至对应SOC区间的静置点数据中,得到修正后连续数据点;对修正后连续数据点进行分段拟合,获取第二OCV‑SOC曲线;建立二阶Thevenin等效电路模型,采用融合约束条件的卡尔曼滤波算法对所述二阶Thevenin模型进行参数辨识。本发明通过采用静置法和涓流法相结合获得OCV‑SOC插值曲线,并将其应用于融合约束条件的卡尔曼滤波算法中进行模型参数辨识,具有更高的精度和抗噪声能力。
-
公开(公告)号:CN115144764A
公开(公告)日:2022-10-04
申请号:CN202210746253.8
申请日:2022-06-28
Applicant: 中国矿业大学
IPC: G01R31/382
Abstract: 本发明公开了一种基于磷酸铁锂电池的荷电状态估算方法,包括以下步骤:建立锂离子电池的二阶RC等效电路模型;获取电池模型状态空间方程;双卡尔曼滤波更新欧姆内阻;使用梯度下降法更新融合算法中的滑模观测器增益;使用融合双卡尔曼滤波算法的滑模观测器算法进行状态变量最优估计值的更新,加入独立的补偿增益环节提高算法的收敛速度。本发明通过在滑模观测器算法中融合双卡尔曼滤波算法,能够降低算法对于模型的依赖程度,提高算法鲁棒性。
-
公开(公告)号:CN114818601A
公开(公告)日:2022-07-29
申请号:CN202210488832.7
申请日:2022-05-06
Applicant: 中国矿业大学
IPC: G06F30/398 , G01R31/367 , G01R31/388 , G06F111/04
Abstract: 本发明公开了一种锂离子电池三阶RC等效电路模型参数辨识方法,包括:建立锂离子电池的三阶RC等效电路模型;获取锂离子电池开路电压Uoc与SOC间的关系;采用新型参数辨识工况对锂离子电池进行测试,获取锂离子电池测试数据;根据锂离子电池测试数据,使用基于特定约束条件的递推最小二乘法辨识电池模型参数。本发明通过在新型参数辨识工况下获取特定约束条件,基于特定约束条件使用递推最小二乘法辨识三阶RC等效电路模型参数,能够降低辨识难度,并且准确辨识模型参数;相比使用递推最小二乘法基于HPPC测试数据辨识构建的二阶等效电路模型,本发明构建的电池模型具有更高的模型精度。
-
公开(公告)号:CN113093020B
公开(公告)日:2022-07-12
申请号:CN202110362459.6
申请日:2021-04-02
Applicant: 中国矿业大学
IPC: G01R31/378 , G01R31/367 , G01R31/392 , G01R31/388
Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法,属于锂离子电池技术领域。具体步骤如下:采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据,提取其中的残差容量数据反应电池老化趋势,避免电池老化的容量再生现象对剩余使用寿命预测的影响;对提取的残差容量数据进行归一化,训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积,若出现误差累积,采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量,获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命,同时检测预测是否发生严重误差累积,并进行修正。
-
公开(公告)号:CN113093020A
公开(公告)日:2021-07-09
申请号:CN202110362459.6
申请日:2021-04-02
Applicant: 中国矿业大学
IPC: G01R31/378 , G01R31/367 , G01R31/392 , G01R31/388
Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法,属于锂离子电池技术领域。具体步骤如下:采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据,提取其中的残差容量数据反应电池老化趋势,避免电池老化的容量再生现象对剩余使用寿命预测的影响;对提取的残差容量数据进行归一化,训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积,若出现误差累积,采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量,获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命,同时检测预测是否发生严重误差累积,并进行修正。
-
公开(公告)号:CN212840119U
公开(公告)日:2021-03-30
申请号:CN202021640696.1
申请日:2020-08-10
Applicant: 山西新晋华晟新能源有限公司 , 中国矿业大学
IPC: F16L55/32 , F16M11/08 , F16M11/18 , F16L101/30
Abstract: 本实用新型公开一种气囊式管道机器人,包括控制机构、移动机构和检测机构;控制机构包括PLC控制器和中控屏幕;移动机构包括前部气囊、尾部气囊和直流推杆电机,前部气囊和尾部气囊与微型隔膜泵连接进行充放气过程,直流推杆电机设在前部气囊和尾部气囊之间;检测机构包括三角支架和摄像头,三角支架设在前部气囊的端部,摄像头设在三角支架上,摄像头与360度减速电机相连。该机器人的结构简单,操作便捷,通过前后气囊充放气的协调控制和直流推杆电机的往复运动协助机器人的前进和后退,驱动行走时的稳定可靠性高,运行速度有保障;利用可360度旋转的摄像头可全面采集管道内部的有效信息。
-
-
-
-
-
-