一种基于希尔伯特变换的X射线脉冲星辨识方法

    公开(公告)号:CN107894231A

    公开(公告)日:2018-04-10

    申请号:CN201711082587.5

    申请日:2017-11-06

    CPC classification number: G01C21/02

    Abstract: 一种基于希尔伯特变换的X射线脉冲星辨识方法,它涉及微弱信号处理领域的轮廓辨识方法。它解决了当前辨识占用大量运算时间和存储空间的问题,同时可以有效抑制高频噪声的影响。本发明的步骤为:一、对标准轮廓和观测轮廓信号做希尔伯特变换。二、提取标准轮廓信号和待辨识轮廓信号的瞬时幅值特征,并利用标准轮廓的特征向量构建特征数据库。三、分别计算观测轮廓信号的特征向量与特征数据库中每个特征向量的空间距离,当距离取得最小值时,所对应的脉冲星序号即为辨识结果。本发明利用希尔伯特变换对高频噪声的抑制特性,提取瞬时幅值特征设计最小距离分类器完成脉冲星信号的高速辨识,适用于快速辨识X射线脉冲星。

    用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法

    公开(公告)号:CN105242212B

    公开(公告)日:2018-01-30

    申请号:CN201510627782.6

    申请日:2015-09-28

    Abstract: 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法,属于动力电池回收再利用领域。解决了现有的电池梯次利用方法中离线检测电池的相关参数误差大的问题。本发明采用电流值为C/25的电流信号对待提取特征参数的电池进行充电,采集电池的端电压UT(k);建立电池充电的简单等效电路模型;利用步骤一电池充电等效电路模型的模型参数,建立公式,获得得到模型端电压,利用电池的充电电流和时间数据,使用安时积分法获得待测电池的实际可用容量Q;根据磷酸铁锂电池的正负极特性设定:SOCn,0=mSOCn,1,取待辨识参数矩阵为θ=[SOCn,1,m,R],通过列文伯格‑马夸尔特法迭代计算实现模型参数SOCn,1,m,R的辨识。本发明适用于磷酸铁锂电池梯次利用的健康状态特征参数提取。

    储能电池健康状态关键参数提取方法

    公开(公告)号:CN105607005A

    公开(公告)日:2016-05-25

    申请号:CN201510584015.1

    申请日:2015-09-14

    Abstract: 储能电池健康状态关键参数提取方法,涉及储能电池参数辨识领域。解决了现有电池模型参数辨识方法计算复杂导致辨识速度慢的问题。本发明通过预设正极电势的起点与终点,对负极数据进行伸缩与平移,最后辨识出内阻、负极初始荷电状态SOC0,n、负极终止荷电状态SOCend,n、电池总容量Call和负极总容量Cn5个参数,本发明适用于磷酸铁锂动力电池在不同工况条件下的循环充电过程,并在低倍率充电条件下有较高的精度,可以准确辨识出不同工况条件下参数的变化,速度比传统的辨识方法更快,可以应用于磷酸铁锂电池老化机理分析与建模、健康状态评价、动力梯次利用电池状态分析等领域,以便预测电池的寿命变化情况。

Patent Agency Ranking