公开(公告)号：CN103336248A

公开(公告)日：2013-10-02

申请号：CN201310317282.3

申请日：2013-07-25

Applicant: 哈尔滨工业大学

Inventor： 彭宇 ,  刘大同 ,  周建宝 ,  王红 ,  彭喜元

IPC: G01R31/36 ,  G06F19/00

Abstract: 基于电池退化状态模型的锂离子电池循环寿命预测方法，本发明涉及基于电池退化状态模型的锂离子电池循环寿命预测方法。它为了解决现有的锂离子电池循环寿命预测过程中存在建模难的问题。基于电池退化状态模型的锂离子电池循环寿命预测方法包括的步骤为：步骤一、采集电池监测数据，并对该数据进行预处理；步骤二、根据电池退化状态模型训练获得电池退化状态模型；步骤三、根据步骤二获得电池退化状态模型对锂离子电池循环寿命进行预测，获得锂离子电池循环寿命值，实现基于电池退化状态模型的锂离子电池循环寿命预测。本发明适用于电池领域。

公开(公告)号：CN102788955A

公开(公告)日：2012-11-21

申请号：CN201210246132.3

申请日：2012-07-17

Applicant: 哈尔滨工业大学

Inventor： 刘大同 ,  周建宝 ,  王红 ,  王建民 ,  徐勇 ,  彭宇

IPC: G01R31/34 ,  G01M15/00

Abstract: 基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法，涉及基于Kalman滤波的ESN的涡轮发电机的分类子模型的剩余寿命预测方法。它为了解决现有预测方法选择合适的网络拓扑困难，训练时需训练网络的全部的权值，计算时容易陷入局部最优的问题。本发明对100个测试数据单元进行分类，得到k个测试数据集合；每个测试数据集合对应一个ESN的涡轮发电机的分类子模型，每个ESN的涡轮发电机分类子模型的参数不同，k个ESN的涡轮发电机的分类子模型组成分类子模型库；将每个测试数据输入与该数据集合对应ESN的涡轮发电机的分类子模型进行运算得到该测试数据的剩余寿命预测值。本发明适用于涡轮发动机等领域。