基于数据增强的锂电池荷电状态迁移学习估计方法

    公开(公告)号:CN119511087A

    公开(公告)日:2025-02-25

    申请号:CN202411193430.X

    申请日:2024-08-28

    Abstract: 本发明公开了基于数据增强的锂电池荷电状态迁移学习估计方法,属于电池检测技术领域,包括以下步骤:S1、选用CALCE锂电池作为源数据集,选用一种新型的锂电池实验数据作为目标数据集;S2、根据等效电路模型和数据集中的电流和电压,结合具有遗忘因子的递归最小二乘法进行数据增强;S3、改进长短期记忆网络增强数据长短期特征捕获能力,设计网络框架配置参数,确定最优SOC估计迁移学习方案。本发明采用上述的基于数据增强的锂电池荷电状态迁移学习估计方法,通过等效电路模型实现数据增强,设计网络架构捕获可测量数据和SOC的特征关系,应用迁移学习方法快速适应不同工作状况及不同化学特性/型号锂电池模型并实现SOC的准确估计,节约人力和时间成本。

    一种空间用锂离子电池组未来工况预测方法

    公开(公告)号:CN112763916B

    公开(公告)日:2023-01-10

    申请号:CN202110004840.5

    申请日:2021-01-04

    Abstract: 一种空间用锂离子电池组未来工况预测方法,其根据锂离子电池组外特性构建等效电路模型,并利用真实遥测数据结合智能优化方法对模型参数进行辨识,将未来工况下的电流数据注入模型预测该工况下的蓄电池组电压变化情况。考虑到在轨遥测数据回传出现的异常跳变、采样频率不均一等问题,引入相应数据处理方法,在保障在轨数据不失真的同时,便于模型计算。利用该方法可实现对航天器锂离子蓄电池组的准确建模及其电压特性的追踪和预测。

    一种空间用锂离子电池组未来工况预测方法

    公开(公告)号:CN112763916A

    公开(公告)日:2021-05-07

    申请号:CN202110004840.5

    申请日:2021-01-04

    Abstract: 一种空间用锂离子电池组未来工况预测方法,其根据锂离子电池组外特性构建等效电路模型,并利用真实遥测数据结合智能优化方法对模型参数进行辨识,将未来工况下的电流数据注入模型预测该工况下的蓄电池组电压变化情况。考虑到在轨遥测数据回传出现的异常跳变、采样频率不均一等问题,引入相应数据处理方法,在保障在轨数据不失真的同时,便于模型计算。利用该方法可实现对航天器锂离子蓄电池组的准确建模及其电压特性的追踪和预测。

    群振冲器无线监控管理系统

    公开(公告)号:CN101231515B

    公开(公告)日:2010-04-21

    申请号:CN200710177850.9

    申请日:2007-11-21

    Abstract: 群振冲器无线监控管理系统由振冲器无线自动记录仪、无线接收模块、无线远程监控管理系统软件组成。多台振冲器无线自动记录仪将采集到的各项数据通过无线网络发送到无线接收模块,再通过USB接口传输到远程综合管理计算机(台式机或笔记本电脑)。无线远程监控管理系统软件可以实时监控网络中每台振冲器的工作状态,并且可以通过无线网络远程传输振冲器记录仪中的施工数据文件,并绘制施工数据记录表和曲线,为工程管理人员进行工程管理和决策提供客观依据。

    群振冲器无线监控管理系统

    公开(公告)号:CN101231515A

    公开(公告)日:2008-07-30

    申请号:CN200710177850.9

    申请日:2007-11-21

    Abstract: 群振冲器无线监控管理系统由振冲器无线自动记录仪、无线接收模块、无线远程监控管理系统软件组成。多台振冲器无线自动记录仪将采集到的各项数据通过无线网络发送到无线接收模块,再通过USB接口传输到远程综合管理计算机(台式机或笔记本电脑)。无线远程监控管理系统软件可以实时监控网络中每台振冲器的工作状态,并且可以通过无线网络远程传输振冲器记录仪中的施工数据文件,并绘制施工数据记录表和曲线,为工程管理人员进行工程管理和决策提供客观依据。

    基于物理信息神经网络的事件触发模型学习方法

    公开(公告)号:CN118153433B

    公开(公告)日:2024-12-10

    申请号:CN202410278662.9

    申请日:2024-03-12

    Abstract: 本发明公开了基于物理信息神经网络的事件触发模型学习方法,涉及人工智能技术领域,步骤一、构建系统的物理信息神经网络,完成系统的模型辨识;步骤二、根据系统模型和实时输入输出,结合无迹卡尔曼滤波器对系统进行在线状态估计;步骤三、利用状态估计结果,结合模型进行一步前向输出预测并计算预测误差,通过事件触发学习机制判断是否需要更新模型。本发明采用上述基于物理信息神经网络的事件触发模型学习方法,通过构建物理信息神经网络系统辨识方法和事件触发学习方法,提出的物理信息神经网络,结合传统的机理分析建模方法和数据驱动建模方法的优势,兼顾辨识模型可解释性的同时提高模型辨识的准确度。

    伺服系统复杂负载工况模拟和性能测试装置

    公开(公告)号:CN101477174A

    公开(公告)日:2009-07-08

    申请号:CN200810172237.2

    申请日:2008-10-31

    Abstract: 本发明涉及一种伺服系统负载模拟装置和伺服系统性能测试装置,属于检测技术与自动化技术领域。本发明装置综合了惯性加载、伺服电机加载和弹簧加载三种方式,可实现三种加载方式独立加载、两两组合加载或同时加载,能够模拟多种负载工况,如惯性负载、弹性负载、不平衡负载、冲击负载、时变负载以及多种负载的组合。本发明将采集得到的被测伺服系统、扭矩转速传感器和角度传感器信号,送到计算机进行处理,可以实现在不同负载工况下对伺服系统静动态性能测试。

Patent Agency Ranking