-
公开(公告)号：CN112731181B
公开(公告)日：2022-07-19
申请号：CN202011608797.5
申请日：2020-12-30
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/389 , G01R31/378 , G06F30/367 , G16C20/70
Abstract: 一种基于电化学原理的锂离子电池阻抗模型，涉及锂离子电池阻抗模型，其电池总阻抗：Z(ω)＝jωLw+Rohm+ZSEI,ino+ZSEI,org+ZDL+Zele+Zsld,i；并详细研究公开了电池总阻抗中液相阻抗、固相阻抗、SEI有机层阻抗、SEI无机层阻抗的模型。本发明具有能够完整描述电池内部反应过程，且模型的运算量小、模型的计算效率高等优点。
-
公开(公告)号：CN113671380A
公开(公告)日：2021-11-19
申请号：CN202110968446.3
申请日：2021-08-23
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367
Abstract: 本发明提供一种基于深度学习的动力电池系统多故障诊断方法，包括故障检测和故障隔离两部分，故障检测针对电池故障早期预警问题，使用编码解码架构的深度学习模型，编码过去一段时间窗口内所测端电压、电流和温度序列，利用之后的电流和温度实测值解码出同步的端电压，与实测对比生成残差序列，经软阈值处理后由多级报警评估策略决定是否触发报警，该报警策略能消除误差波动，防止误报警。之后训练故障隔离深度学习模型，输入软阈值处理后的残差序列，隔离模型输出各故障是触发报警诱因的概率，进而隔离出各故障，从而简化了隔离各传感器故障类型的难度。
-
公开(公告)号：CN113176503A
公开(公告)日：2021-07-27
申请号：CN202110443302.6
申请日：2021-04-23
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/3842
Abstract: 一种基于电化学过程的全SOC范围锂离子电池等效模型，涉及锂离子电池等效模型领域，包括由电容Ccapacity、Cds1、Cds2，电阻Rds1、Rds2，电流源一和电流源二组成的锂离子电池实时SOC模拟模型和由电容Cdl、Cconc，两个，阻抗Zctr，电压源UOCV、端电压Ut组成的锂离子电池端电压响应模拟模型两部分；Ut＝UOCV(USOC_surf)‑IRohm‑ηctr‑ηconc；本发明在锂电池全SOC范围模拟精度高、计算效率高，避免了偏微分方程的求解，更适于应用于BMS。
-
公开(公告)号：CN112858917A
公开(公告)日：2021-05-28
申请号：CN202110052494.8
申请日：2021-01-15
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/385 , G06N3/04 , G06N3/08 , G06N3/12
Abstract: 一种基于遗传算法优化神经网络的电池系统多故障诊断方法，涉及新能源汽车动力电池系统安全领域。对所选动力电池加载动态应力测试实验，对电流传感器采集数据和电压传感器采集数据注入多种类型的故障信号，建立故障特征与故障类型的对应关系，建立神经网络，利用遗传算法对该神经网络进行优化，取得电池系统的电流、电压传感器故障数据，采用min‑max标准化，建立传感器的故障特征与故障类型的样本数据；依据样本建立矩阵导入神经网络中，作为系统输入和目标输出进行训练，建立对多种故障进行综合诊断的检测系统，有效提高了故障诊断的检测范围，同时所引入的遗传算法也提高了神经网络运行的效率以及结果的准确率。
-
公开(公告)号：CN111965547A
公开(公告)日：2020-11-20
申请号：CN202011036224.X
申请日：2020-09-27
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/392 , B60L58/10
Abstract: 本发明提供了一种基于参数辨识法的电池系统传感器故障诊断方法。该方法为：首先根据实验构建电池的OCV-SOC-容量三维响应面、阈值模型及容量估计模型；然后根据容量估计模型得到的容量值和安时积分法得到的SOC在三维响应面中查找到开路电压OCV的参考值；OCV的估计值则通过在线辨识算法估计得到；再将安时积分法得到的SOC代入阈值模型得到当前SOC时的故障诊断阈值；最后将OCV的参考值和估计值之差作为残差用于残差评价，当残差绝对值超过所设阈值即可判断传感器出现故障。本发明不仅考虑了电池老化和SOC对OCV参考值的影响，还考虑了OCV残差在全SOC区间的差异特性，有效降低了在电池全寿命周期传感器故障诊断的误警率和漏警率。
-
Patent Agency Ranking
公开(公告)号：CN113805066B
公开(公告)日：2023-08-18
申请号：CN202111102587.3
申请日：2021-09-20
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/396
Abstract: 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法,涉及新能源汽车动力电池系统领域，包括故障识别、定位、检测和隔离四部分。采用交错电压测量设计布置传感器位置，根据串联电路无故障时电压变化一致的原理，通过出现异常电压值的传感器的编号，识别出故障的类型并定位出故障发生的位置。基于改进欧氏距离相似度的检测方法，以测量电压数据集为输入，计算相邻编号传感器测量电压的改进欧氏距离相似度值，根据故障诊断策略可以判断出故障的类型。本发明无需复杂的计算，且不需要增加额外的硬件，就可以诊断出连接松脱故障、传感器故障、内短路和外短路故障；大大简化了故障诊断的难度。
-
公开(公告)号：CN115407744A
公开(公告)日：2022-11-29
申请号：CN202210774765.5
申请日：2022-07-01
Applicant: 哈尔滨工业大学(威海)
IPC: G05B23/02
Abstract: 一种多协议总线故障注入系统及其控制方法，涉及数据传输用总线测试系统及方法，括上位机模块、多协议总线信号发生模块和故障注入模块；上位机模块包括总线类型选择模块、报文信息输入模块、故障类型选择模块和报文监测模块；多协议总线信号发生模块包括数据链路层、数据存储器和物理层；故障注入模块包括数据链路层故障注入模块和物理层故障注入模块。本发明可以实现对多种类型总线进行物理层与数据链路层的故障模拟、可以模拟当前军方常用各种总线及常见故障。
-
公开(公告)号：CN112114254B
公开(公告)日：2022-02-08
申请号：CN202010864946.8
申请日：2020-08-25
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367
Abstract: 本发明提供一种锂离子动力电池开路电压模型融合方法，包括以下步骤：通过OCV实验获得电池全SOC区间的开路电压(OCV)‑荷电状态(SOC)实验曲线；以一定等SOC间隔选取实验曲线上的(SOC,OCV)数据点，通过合理选取不同OCV模型，将选取的数据点代入各OCV模型得到相应OCV‑SOC拟合曲线；在数据点所划分出的每个SOC间隔内，分别计算各OCV‑SOC拟合曲线与实验曲线之间的均方根误差，并据此为各SOC区间中每个OCV函数模型分配不同的权值，经加权融合后，最终获得整个SOC区间的OCV模型。该模型在全SOC区间均能获得高的拟合精度，具有很好的适应性，不再局限于现有技术中单一OCV模型只能在某一特定区间内具有较高的拟合精度，而牺牲其他区间的精确性的缺点。
-
公开(公告)号：CN113805066A
公开(公告)日：2021-12-17
申请号：CN202111102587.3
申请日：2021-09-20
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/396
Abstract: 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法,涉及新能源汽车动力电池系统领域，包括故障识别、定位、检测和隔离四部分。采用交错电压测量设计布置传感器位置，根据串联电路无故障时电压变化一致的原理，通过出现异常电压值的传感器的编号，识别出故障的类型并定位出故障发生的位置。基于改进欧氏距离相似度的检测方法，以测量电压数据集为输入，计算相邻编号传感器测量电压的改进欧氏距离相似度值，根据故障诊断策略可以判断出故障的类型。本发明无需复杂的计算，且不需要增加额外的硬件，就可以诊断出连接松脱故障、传感器故障、内短路和外短路故障；大大简化了故障诊断的难度。
-
公开(公告)号：CN112114254A
公开(公告)日：2020-12-22
申请号：CN202010864946.8
申请日：2020-08-25
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367
Abstract: 本发明提供一种锂离子动力电池开路电压模型融合方法，包括以下步骤：通过OCV实验获得电池全SOC区间的开路电压(OCV)‑荷电状态(SOC)实验曲线；以一定等SOC间隔选取实验曲线上的(SOC,OCV)数据点，通过合理选取不同OCV模型，将选取的数据点代入各OCV模型得到相应OCV‑SOC拟合曲线；在数据点所划分出的每个SOC间隔内，分别计算各OCV‑SOC拟合曲线与实验曲线之间的均方根误差，并据此为各SOC区间中每个OCV函数模型分配不同的权值，经加权融合后，最终获得整个SOC区间的OCV模型。该模型在全SOC区间均能获得高的拟合精度，具有很好的适应性，不再局限于现有技术中单一OCV模型只能在某一特定区间内具有较高的拟合精度，而牺牲其他区间的精确性的缺点。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.043 seconds)
