公开(公告)号：CN119986393A

公开(公告)日：2025-05-13

申请号：CN202510230483.2

申请日：2025-02-28

Applicant: 南京工业大学

Inventor： 陈闯 ,  陈磊 ,  史建涛 ,  施歌 ,  岳冬冬 ,  刘钦源

IPC: G01R31/367 ,  G01R31/396 ,  G01R31/392 ,  G01R31/378 ,  G06N3/049 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明公开面向锂离子电池性能评估的时间序列建模方法，旨在解决传统方法在多尺度特征提取和融合方面的技术挑战，具体包括：获取电池容量数据并进行预处理；基于Mamba模型，结合时间卷积网络与多头注意力机制，构建MTH3模型，并将预处理后的数据作为输入，进行多时间尺度的特征提取；基于U型网络构建出NetTDF模型对MTH3模型提取出的特征进行融合，建模全局关系；划分训练集和测试集输入到整体模型中，得到锂离子电池健康状态的预测结果。本发明所提出的方法充分发挥了各模型的优势，提供了一个既能精准捕捉局部特征，又能有效建模全局关系的锂离子电池容量的高效预测模型，为锂离子电池性能评估提供了可靠支撑。

公开(公告)号：CN119795191A

公开(公告)日：2025-04-11

申请号：CN202510201379.0

申请日：2025-02-24

Applicant: 南京工业大学

Inventor： 史建涛 ,  唐佳雯 ,  岳冬冬 ,  陈闯 ,  刘钦源 ,  冯李航 ,  王莉

IPC: B25J9/16 ,  B25J13/00

Abstract: 本发明公开基于径向基函数网络的机械臂迭代学习控制方法，该方法解决了传统机械臂控制方法在复杂动态环境中应对非线性特性和外部扰动问题的局限性。本发明所提出的方法包括以下步骤：首先构建机械臂系统动力学模型、采用动态修正策略对参考轨迹的动态修正与优化；然后设计径向基函数神经网络构建非线性补偿项，并设计优化控制器性能的动态权重参数和动态学习增益；最后进行迭代学习控制器的设计，并验证控制算法的稳定性与误差收敛性。本发明通过径向基函数网络、动态调整策略和迭代学习策略，提升了机械臂系统的控制精度、适应能力和误差收敛速度。