-
公开(公告)号：CN113147768A
公开(公告)日：2021-07-23
申请号：CN202110520666.X
申请日：2021-05-13
申请人： 东北大学
IPC分类号： B60W40/076 , B60W40/13
摘要： 本发明提供一种基于多算法融合预测的汽车路面状态在线估计系统及方法，涉及车辆动力学控制技术领域。该方法首先通过数据采集提取车辆行驶过程的状态参数，来构建车辆的行驶工况中的坡度信息以及车辆内部信息数据库，实现BP神经网络的离线训练，并在车辆运行过程中作为坡度预估计模块实时应用。在坡度预估计阶段中，如果预估坡度为零，则通过RLS算法进行整车质量估计，将得到的实时整车质量参数输入到坡度修正估计模块，再通过RLS算法实现坡度第二次估计。若坡度预估计模块未能得到有效平道信息以及整车质量未能进行更新，则将历史整车质量作为输出，将BP神经网络的坡度预估计值作为输出。重复以上步骤实现对汽车路面状态的在线估计。
-
公开(公告)号：CN108535661B
公开(公告)日：2020-03-31
申请号：CN201810480228.3
申请日：2018-05-18
申请人： 东北大学
IPC分类号： G01R31/387
摘要： 本发明提供一种基于模型误差谱的动力电池健康状态在线估计方法，涉及新能源汽车技术领域。该方法首先利用健康电池试验数据建立电池模型，当电池发生老化之后由于电池特性发生了退化，模型误差将会增大；其次，利用被测电池工作数据计算健康电池模型的模型误差；计算获得模型的峰度和偏度特征，构建模型误差谱；最后，取被测电池的峰度和偏度特征到健康锋度和偏度特征之间的欧氏距离并将其输入SOH估计模型，即可得到当前电池的SOH估计值。本发明提供的基于模型误差谱的动力电池健康状态在线估计方法，只需捕捉少量的历史工作数据即可实现在线的SOH估计，步骤简单，易于在线实现，适用于电动汽车动力电池管理系统的在线应用。
-
公开(公告)号：CN108919133B
公开(公告)日：2019-09-10
申请号：CN201810840175.1
申请日：2018-07-27
申请人： 东北大学
IPC分类号： G01R31/382 , G01R31/3842 , G01R31/396 , G01R31/389 , G01R31/02
摘要： 本发明提供一种电动汽车动力电池组外短路电液复合控制试验台及方法，涉及电动汽车动力电池安全技术领域。试验台包括电池连接器、霍尔传感器、热电偶、电压采集单元、固定接线端子A1、浮动接线端子A2、电磁继电器K、防爆温度箱、上位机以及控制器和液压控制系统；电池组短路实验通过液压控制系统实现两个接线端子A1和A2的接合与分离来进行控制，电池单体短路实验通过控制器控制电磁继电器K闭合来实现。本发明既可以实现电池组短路实验功能，也可以实现任意一节单体电池的短路实验，操作方式灵活简便，可以很好地克制短路实验潜在的起火等危险，实现灵活、安全的实验操作。
-
公开(公告)号：CN108919133A
公开(公告)日：2018-11-30
申请号：CN201810840175.1
申请日：2018-07-27
申请人： 东北大学
摘要： 本发明提供一种电动汽车动力电池组外短路电液复合控制试验台及方法，涉及电动汽车动力电池安全技术领域。试验台包括电池连接器、霍尔传感器、热电偶、电压采集单元、固定接线端子A1、浮动接线端子A2、电磁继电器K、防爆温度箱、上位机以及控制器和液压控制系统；电池组短路实验通过液压控制系统实现两个接线端子A1和A2的接合与分离来进行控制，电池单体短路实验通过控制器控制电磁继电器K闭合来实现。本发明既可以实现电池组短路实验功能，也可以实现任意一节单体电池的短路实验，操作方式灵活简便，可以很好地克制短路实验潜在的起火等危险，实现灵活、安全的实验操作。
-
公开(公告)号：CN109921146B
公开(公告)日：2021-10-15
申请号：CN201910176353.X
申请日：2019-03-08
申请人： 东北大学
IPC分类号： H01M10/615 , H01M10/625 , H01M10/63 , H01M10/635 , H01M10/6571
摘要： 本发明提出一种基于瞬时外部短路的动力电池低温自加热系统及方法，包括：继电器、电池管理系统；继电器，受控于电池管理系统，为待加热动力电池组提供外部短路环境，正常状态下处于断开状态，待加热动力电池组需要外部短路环境时，继电器为闭合状态；电池管理系统控制待加热动力电池组启动加热或者停止加热；本发明首先通过实验的方法获取外部短路持续时间，将短路持续时间控制在合理阈值范围内确保安全，利用外部短路引起的短路电流产生热量给电池加热。实验表明，此方法远高于现有电池热管理系统的低温加热速率，且方法简单、易于实现，有效解决了严寒环境下电动汽车动力电池容量降低、工作性能恶化的问题。
-
公开(公告)号：CN109738811B
公开(公告)日：2020-12-01
申请号：CN201910078743.3
申请日：2019-01-28
申请人： 东北大学
IPC分类号： G01R31/367 , G01R31/396
摘要： 本发明提出一种基于双级模型预测的锂离子电池组外部短路故障诊断方法，涉及锂离子动力电池安全技术领域。首先,对锂离子电池组进行外部短路实验，构建电池组外部短路双级等效电路模型，利用被测实验数据对电池模型参数进行离线最优性辨识；然后，运行时根据电池测量数据判断电池组中电池状态，发现部分电池电压出现异常时，对产生异常的相邻电池单元标记为整体，记作异常电池组，启动第一级电池模型，若第一级电池模型误差小于临界阈值，则触发第二级电池模型，计算获得模型误差；最后，通过实测数据与双级模型吻合度，对异常电池进行故障诊断。该方法步骤简单，易于在线实现，且可靠性高，适用于电动汽车动力电池在线故障诊断与安全管理。
-
公开(公告)号：CN113147768B
公开(公告)日：2024-02-23
申请号：CN202110520666.X
申请日：2021-05-13
申请人： 东北大学
IPC分类号： B60W40/076 , B60W40/13
摘要： 本发明提供一种基于多算法融合预测的汽车路面状态在线估计系统及方法，涉及车辆动力学控制技术领域。该方法首先通过数据采集提取车辆行驶过程的状态参数，来构建车辆的行驶工况中的坡度信息以及车辆内部信息数据库，实现BP神经网络的离线训练，并在车辆运行过程中作为坡度预估计模块实时应用。在坡度预估计阶段中，如果预估坡度为零，则通过RLS算法进行整车质量估计，将得到的实时整车质量参数输入到坡度修正估计模块，再通过RLS算法实现坡度第二次估计。若坡度预估计模块未能得到有效平道信息以及整车质量未能进行更新，则将历史整车质量作为输出，将BP神经网络的坡度预估计值作为(56)对比文件Boyuan Li等.Two-layer structure basedadaptive estimation for vehicle mass androad slope under longitudinalmotion.Measurement.2016,第95卷(第1期),第439-455页.
-
公开(公告)号：CN109921146A
公开(公告)日：2019-06-21
申请号：CN201910176353.X
申请日：2019-03-08
申请人： 东北大学
IPC分类号： H01M10/615 , H01M10/625 , H01M10/63 , H01M10/635 , H01M10/6571
摘要： 本发明提出一种基于瞬时外部短路的动力电池低温自加热系统及方法，包括：继电器、电池管理系统；继电器，受控于电池管理系统，为待加热动力电池组提供外部短路环境，正常状态下处于断开状态，待加热动力电池组需要外部短路环境时，继电器为闭合状态；电池管理系统控制待加热动力电池组启动加热或者停止加热；本发明首先通过实验的方法获取外部短路持续时间，将短路持续时间控制在合理阈值范围内确保安全，利用外部短路引起的短路电流产生热量给电池加热。实验表明，此方法远高于现有电池热管理系统的低温加热速率，且方法简单、易于实现，有效解决了严寒环境下电动汽车动力电池容量降低、工作性能恶化的问题。
-
公开(公告)号：CN109738811A
公开(公告)日：2019-05-10
申请号：CN201910078743.3
申请日：2019-01-28
申请人： 东北大学
IPC分类号： G01R31/367 , G01R31/396
摘要： 本发明提出一种基于双级模型预测的锂离子电池组外部短路故障诊断方法，涉及锂离子动力电池安全技术领域。首先,对锂离子电池组进行外部短路实验，构建电池组外部短路双级等效电路模型，利用被测实验数据对电池模型参数进行离线最优性辨识；然后，运行时根据电池测量数据判断电池组中电池状态，发现部分电池电压出现异常时，对产生异常的相邻电池单元标记为整体，记作异常电池组，启动第一级电池模型，若第一级电池模型误差小于临界阈值，则触发第二级电池模型，计算获得模型误差；最后，通过实测数据与双级模型吻合度，对异常电池进行故障诊断。该方法步骤简单，易于在线实现，且可靠性高，适用于电动汽车动力电池在线故障诊断与安全管理。
-
公开(公告)号：CN108535661A
公开(公告)日：2018-09-14
申请号：CN201810480228.3
申请日：2018-05-18
申请人： 东北大学
IPC分类号： G01R31/36
摘要： 本发明提供一种基于模型误差谱的动力电池健康状态在线估计方法，涉及新能源汽车技术领域。该方法首先利用健康电池试验数据建立电池模型，当电池发生老化之后由于电池特性发生了退化，模型误差将会增大；其次，利用被测电池工作数据计算健康电池模型的模型误差；计算获得模型的峰度和偏度特征，构建模型误差谱；最后，取被测电池的峰度和偏度特征到健康锋度和偏度特征之间的欧氏距离并将其输入SOH估计模型，即可得到当前电池的SOH估计值。本发明提供的基于模型误差谱的动力电池健康状态在线估计方法，只需捕捉少量的历史工作数据即可实现在线的SOH估计，步骤简单，易于在线实现，适用于电动汽车动力电池管理系统的在线应用。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.02 秒)
