-
公开(公告)号：CN111815069A
公开(公告)日：2020-10-23
申请号：CN202010718770.5
申请日：2020-07-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于时间序列分析原理的卫星锂电池电压预测方法，采集卫星锂电池在轨工作时全寿命周期的电压数据，并对采集到的数据进行预处理，根据时间序列分析原理，将预处理后的数据重新构建成两组不同长度的电压序列集，分别作为循环神经网络的输入集和输出集。根据序列长度确定神经网络的结构，训练神经网并利用学习率衰减算法优化神经网络训练过程中的学习率；将优化设计得到的循环神经网络模型设置为卫星锂电池的电压预测模型，实现卫星锂电池电压的在线预测。本发明能够高精度预测卫星锂电池的电压，为卫星锂电池的故障诊断提供量化依据。
-
公开(公告)号：CN110687452A
公开(公告)日：2020-01-14
申请号：CN201910835244.4
申请日：2019-09-05
Applicant: 南京理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/388 , G06K9/62 , G06N3/08
Abstract: 本发明提出了一种基于K均值聚类与Elman神经网络的锂电池容量在线预测方法。首先，确定待测锂离子电池的型号，利用一块与待测电池相同型号的电池进行循环充放电实验，记录锂电池放电时间序列并对其做K均值聚类，建立数据模型；然后，引入模拟退火遗传算法优化Elman神经网络的初始权值与阈值，利用构建的数据模型训练Elman神经网络，离线建立起锂离子电池实际容量预测系统。在线进行容量预测时，将采集到的待测锂离子电池实际放电时间序列数据，输入预测系统，在不影响锂离子电池正常工作的同时，预测出电池的实际容量。本发明的技术可以实现锂离子电池实际容量的在线精确预测。
-
公开(公告)号：CN111815069B
公开(公告)日：2022-08-16
申请号：CN202010718770.5
申请日：2020-07-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于时间序列分析原理的卫星锂电池电压预测方法，采集卫星锂电池在轨工作时全寿命周期的电压数据，并对采集到的数据进行预处理，根据时间序列分析原理，将预处理后的数据重新构建成两组不同长度的电压序列集，分别作为循环神经网络的输入集和输出集。根据序列长度确定神经网络的结构，训练神经网并利用学习率衰减算法优化神经网络训练过程中的学习率；将优化设计得到的循环神经网络模型设置为卫星锂电池的电压预测模型，实现卫星锂电池电压的在线预测。本发明能够高精度预测卫星锂电池的电压，为卫星锂电池的故障诊断提供量化依据。
-
公开(公告)号：CN110687452B
公开(公告)日：2022-05-20
申请号：CN201910835244.4
申请日：2019-09-05
Applicant: 南京理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/388 , G06K9/62 , G06N3/08
Abstract: 本发明提出了一种基于K均值聚类与Elman神经网络的锂电池容量在线预测方法。首先，确定待测锂离子电池的型号，利用一块与待测电池相同型号的电池进行循环充放电实验，记录锂电池放电时间序列并对其做K均值聚类，建立数据模型；然后，引入模拟退火遗传算法优化Elman神经网络的初始权值与阈值，利用构建的数据模型训练Elman神经网络，离线建立起锂离子电池实际容量预测系统。在线进行容量预测时，将采集到的待测锂离子电池实际放电时间序列数据，输入预测系统，在不影响锂离子电池正常工作的同时，预测出电池的实际容量。本发明的技术可以实现锂离子电池实际容量的在线精确预测。
-
-
-
Search Results
4
records
(took 0.015 seconds)
