-
公开(公告)号：CN106089541A
公开(公告)日：2016-11-09
申请号：CN201610419444.8
申请日：2016-06-14
Applicant: 吉林大学
CPC classification number: F02P9/00 , G06F17/5095
Abstract: 一种基于极值搜索的自由活塞发动机控制系统点火位置优化方法，属于发动机技术领域。本发明的目的是通过控制管理系统能够使自由活塞发动机稳定运行在各个工作点，应用极值搜索策略来寻找自由活塞发动机的最优点火位置并完成map标定的基于极值搜索的自由活塞发动机控制系统点火位置优化方法。本发明的两个自由活塞组件通过齿轮和两根齿条啮合，两对活塞通过镜像运动实现四冲程运行；采用电磁驱动的可变气门正时机构，安装在气缸顶部；左右两个气缸的几何中点为活塞运动位置的原点，活塞及连杆向右运动能够达到的极限位置为下止点，向左运动能够达到的极限位置为上止点。本发明提高自由活塞发动机运行的稳定性及经济性，减少点火位置map标定过程中消耗的资源、时间。
-
公开(公告)号：CN119916222A
公开(公告)日：2025-05-02
申请号：CN202510397499.2
申请日：2025-04-01
Applicant: 吉林大学
IPC: G01R31/367 , G01R31/392 , G01R31/00 , G06N3/0442 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及锂离子电池领域，具体是一种基于端云协同策略的电池健康状态估计方法，包括以下步骤：电池老化特征提取；数据预处理，包括数据归一化和时间序列数据构建；构建电池预测模型，包括在云侧构建并训练神经网络模型以及在端侧则构建电池老化的经验模型；设定评价指标。本发明构建了一个面向电池SOH估计的端云协同的混合预测网络，该网络分别在云侧和端侧部署了不同的电池SOH预测模型，分别利用电池老化特征和数学关系来进行SOH预测，能够综合考虑电池老化的个体差异和电池老化的一般性规律，同时提高模型计算速度，具有良好的精度和鲁棒性。
-
公开(公告)号：CN119758152A
公开(公告)日：2025-04-04
申请号：CN202510273457.8
申请日：2025-03-10
Applicant: 吉林大学
IPC: G01R31/392 , G01R31/367 , G01R31/382
Abstract: 本发明涉及锂离子电池领域，具体是基于白鲸优化算法改进LSTM网络的电池健康状态估计方法，包括以下步骤：步骤1、电池老化特征提取和电池老化特征筛选；步骤2、数据预处理，包括数据归一化、时间序列数据构建和VMD分解；步骤3、构建数据驱动模型，包括用白鲸优化算法改进的LSTM神经网络来构建电池SOH预测模型；步骤4、设定评价指标。本发明构建了一个面向电池SOH估计的DTV‑VMD‑LSTM网络，结合了DTV获取电池特征简单易行的特点和LSTM网络对于捕捉长期依赖关系的优势，能够考虑到电池内部的非线性因素，无需对电池进行大量实验，能够考虑到电池老化过程中的局部特征和整体趋势，在预测精度更高的同时具有良好的鲁棒性。
-
公开(公告)号：CN119147982B
公开(公告)日：2025-03-25
申请号：CN202411638598.7
申请日：2024-11-18
Applicant: 吉林大学
IPC: G01R31/378 , G01R31/367 , G01R31/392
Abstract: 本发明适用于锂离子电池管理技术领域，提供了基于多模型融合的锂离子电池荷电和健康状态估计方法，包括以下步骤：数据采集及处理；基于等电压间隔放电时间的电池SOH估计；电池SOC估计模型的搭建与训练；基于容量修正的安时积分法：将步骤二所计算的SOH值应用于安时积分法中，以实时调整SOC的估算值；当前电池SOH下电池SOC的估计：将步骤三中应用神经网络输出的SOC和步骤四中应用安时积分法计算的SOC应用卡尔曼滤波器进行融合；评价指标设定。本发明显著提高了锂离子电池SOC和SOH的估计准确性，降低了误差，增强了BMS性能，提升了电池安全性和使用寿命，同时展现出强适应性和良好的抗噪声性能。
-
公开(公告)号：CN119150025A
公开(公告)日：2024-12-17
申请号：CN202411595562.5
申请日：2024-11-11
Applicant: 吉林大学
IPC: G06F18/214 , G01R31/367 , G01R31/378 , G01R31/387 , G01R31/396 , G06F18/213 , G06F18/25 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及锂离子电池管理技术领域领域，公开了一种基于集成学习的锂离子电池荷电状态估计方法，通过融合CNN‑Transformer网络与卡尔曼滤波器，有效克服了现有技术中存在的多种问题，卡尔曼滤波器的引入，实时更新和校正SOC估计值，显著减少了安时积分法在长期运行中累积误差的影响，且其递归性质允许模型动态调整，降低对精确初始SOC值的依赖，从而提高长期估计的准确性；通过CNN‑Transformer架构，达到了处理实时数据流的效果，无需电池静置即可进行SOC估计，使之不受电池迟滞效应的影响，因依赖于实时数据而不是静态的开路电压测量，从而在实时应用中提供更准确的SOC估计。
-
Patent Agency Ranking
公开(公告)号：CN117254729A
公开(公告)日：2023-12-19
申请号：CN202311240421.7
申请日：2023-09-25
Applicant: 吉林大学
IPC: H02P21/18 , H02P21/00 , H02P21/22 , H02P25/022 , H02P25/026
Abstract: 一种用于电机控制系统转子角位置误差的计算与补偿方法，属于电机控制技术领域。本发明的目的是在明确坐标变换中转子角位置误差成因的基础上，细化不同坐标变换下转子角位置误差计算过程及补偿策略，提升用于坐标变换的转子角位置信息准确性。本发明步骤包括：观测电机空载运行时第k次d轴电流静差，实时修正第k次Park‑1变换下的转子角位置信息，根据修正结果，获得使d轴电流静差为0的转子角位置误差补偿值；根据电流采样与占空比更新关系，求解由控制时序导致的转子角位置误差；根据它们的数值关系，计算由传输延时导致的转子角位置误差。本发明对坐标变换下的转子角位置误差进行补偿，实现真正意义上的最大转矩电流比控制。
-
公开(公告)号：CN116314970A
公开(公告)日：2023-06-23
申请号：CN202310254199.X
申请日：2023-03-16
Applicant: 吉林大学
IPC: H01M8/04992 , H01M8/04298 , H01M8/04089 , H01M8/04082
Abstract: 一种燃料电池空气供给系统数据驱动离散三步解耦控制方法，属于车辆燃料电池发动机控制领域。本发明的目的是基于离散三步法的无模型自适应控制器针对燃料电池的不同工况对空压机转速和节气门开度产生控制信号，使空气供给系统中的空气质量流量和阴极压力处于所需期望值的燃料电池空气供给系统数据驱动离散三步解耦控制方法。本发明首先采用动态线性化方法获取了动态线性化模型，无需使用系统模型的任何数据，然后基于该数据模型，利用扩展状态观察器，对系统输出进行解耦。最后基于解耦数据模型开发了一种基于离散三步法的无模型自适应控制器。本发明提出的控制方案可以避免对空气供给系统进行建模并且易于工程实现。
-
公开(公告)号：CN115292671A
公开(公告)日：2022-11-04
申请号：CN202211054892.4
申请日：2022-08-31
Applicant: 吉林大学
Abstract: 一种驾驶员横纵耦合行为模型，属于汽车仿真测试技术领域。本发明的目的是考虑驾驶员的横向和纵向行为耦合关系，即可同时进行速度和方向控制的驾驶员行为模型，同时驾驶预瞄决策的过程，引入了道路曲率，驾驶员根据道路的曲率对车速进行适当的调整，以保证弯道安全性的驾驶员横纵耦合行为模型。本发明模型建立过程是：建立驾驶员预瞄行为模块，建立驾驶员决策行为模块，建立驾驶员预测行为模块，建立驾驶员优化行为模块。本发明在模型搭建的过程中，将车辆视为一个二维实体，而非简单的质点，用矩形代表车辆安全行驶的轮廓，更切合实际。
-
公开(公告)号：CN113644301B
公开(公告)日：2022-07-01
申请号：CN202110622309.4
申请日：2021-06-03
Applicant: 吉林大学
IPC: H01M8/04746 , H01M8/04992 , G06F30/20 , G06F119/14 , G06F119/08
Abstract: 一种车载燃料电池阴极流量与压力控制方法，属于车载燃料电池发动机控制领域。本发明的目的是针对车载燃料电池空气供给系统流量与阴极压力控制问题，基于无模型自适应滑模+反步法结构来设计解耦控制器的车载燃料电池阴极流量与压力控制方法。本发明从结构上可以包括以下几部分：燃料电池系统模型、最优过氧比Map表、空气供给系统流量无模型自适应滑模控制器和阴极压力反步法控制器。本发明针对阴极压力机理描述比较清晰简单，控制器结构对空气供给系统流量与阴极压力具有良好的跟踪性能。
-
公开(公告)号：CN112776673B
公开(公告)日：2022-06-21
申请号：CN202011409457.X
申请日：2020-12-06
Applicant: 吉林大学
Abstract: 一种智能网联燃料电池汽车实时能量优化管理系统，属于燃料电池汽车优化控制领域。本发明的目的是提出了燃料电池汽车分层式实时能量滚动优化控制智能网联燃料电池汽车实时能量优化管理系统。本发明设计宏观长时域的平均交通流速轨迹预测模块，设计微观短时域的车速预测模块，建立面向能量优化控制的燃料电池汽车动力系统模型，建立能量优化管理问题，利用长时域预瞄信息，设计上层轨迹滚动优化控制器，利用短时域预瞄信息，设计下层能量滚动优化控制器，将求解得到的控制输入序列信号传递至燃料电池汽车的功率执行控制单元。本发明挖掘智能网联交通环境下燃料电池汽车的节能空间，显著提高了智能网联环境下燃料电池汽车的燃料经济性。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.023 seconds)
