-
公开(公告)号：CN114594397B
公开(公告)日：2024-08-06
申请号：CN202210148873.1
申请日：2022-02-18
申请人： 合肥工业大学
IPC分类号： G01R31/392 , G01R31/367
摘要： 本发明实施例提供一种基于泛化模型的锂离子电池健康状态估计方法及系统，属于锂离子电池的SOH估计技术领域。所述估计方法包括：获取多个同型号的电池的数据特征；基于所述数据特征中的每个特征的相关性，从所述数据特征中选取第一特征集合；基于所述第一特征集合的重要性，从所述第一特征集合中选取第二特征集合；根据所述第二特征集合确定每个所述电池的回归模型；根据所述回归模型构建泛化SOH模型，并采用所述泛化SOH模型估计所述电池的SOH。该估计方法及系统在面对不同类型的锂离子电池时，具有更好的泛化特性。
-
公开(公告)号：CN117182574A
公开(公告)日：2023-12-08
申请号：CN202311172844.X
申请日：2023-09-11
申请人： 合肥工业大学
摘要： 本发明公开了一种光伏电池板焊接设备，包括焊接裁剪装置、夹取装置、焊接装置、输送装置，所述焊接裁剪装置设于输送装置上游，所述夹取装置设于输送装置的输送面上方，所述焊接裁剪装置包括焊带供给单元、牵拉装置，所述焊带供给单元用于输送焊带，所述牵拉装置包括牵拉壳体、压带气缸、压板支撑架、压板。本发明中，通过压带气缸带动压板朝向或背离压板支撑架移动并致使压板与压板支撑架压紧或松开焊带，通过夹取装置能够相对牵拉装置滑动并致使焊带绷紧，在裁剪焊带前对焊带进行拉直，防止焊接时出现防止虚焊多点的现象，通过弹簧可缓冲压带轮的压力，减少对电池板的损坏，也可防止后续焊接时焊带错位。
-
公开(公告)号：CN118398860B
公开(公告)日：2024-09-03
申请号：CN202410830937.5
申请日：2024-06-26
申请人： 合肥工业大学
IPC分类号： H01M8/2475 , H01M8/2485 , H01M8/06 , H01M8/04119 , H01M8/04313 , H01M8/04992
摘要： 本发明属于氢燃料电池应用技术领域，具体涉及一种氢燃料电池、电池寿命预测系统及方法；氢燃料电池包括设于封装壳内的电堆本体、设于侧直板且与电堆本体连通的排气口、设于侧直板上的控制器模块，排气口内壁设有湿度传感器；封装壳内部与其顶部的冷却液箱形成液冷通道，环形腔内活动设有圆环件，圆环件内侧通过井字架固定电堆本体、外侧通过定位件与环形腔间形成周向运动旷量；本发明针对上述封装结构下的氢燃料电池，通过将电堆本体在寿命测试中获取若干组倾斜角度和复位次数，引入第二失效时间来更加精确的确定上述封装结构下的氢燃料电池的剩余使用寿命，预测针对性更好，预测结果更加精确。
-
公开(公告)号：CN117928127A
公开(公告)日：2024-04-26
申请号：CN202410136899.3
申请日：2024-01-31
申请人： 合肥工业大学 , 安徽国麒科技有限公司
摘要： 本发明公开了一种基于自适应模型预测控制的BMS均衡联动制冷方法，通过基于无迹卡尔曼滤波的在线自适应模型预测控制可以处理温度控制和MOS管产热的强非线性和时变特性，从而取得更好的控制效果，通过将综合能量损失、散热时常、实时温度、最大均衡电压纳入成本函数，通过被动均衡电路的耗电与半导体制冷芯片相结合，实现大功率MOS管的精准控温，温度强度显著减小，延长系统整体寿命、保障系统安全，减少热失控风险并提高系统效率，进而降低新能源车辆管理系统的成本并大幅度提高系统安全性能，通过将成本函数转化为凸优化问题，通过模型预测控制算法可以快速地求解得到最优控制量及最优参考均衡电流Icell和覆盖于MOS管上的第二半导体制冷芯片的参考输入电流Imos，进而可以通过PI控制应用于在线的实时控制。
-
公开(公告)号：CN118386952B
公开(公告)日：2024-08-30
申请号：CN202410835699.7
申请日：2024-06-26
申请人： 合肥工业大学
IPC分类号： B60L58/40
摘要： 本发明属于动力电池能量管理技术领域，具体涉及一种基于工况识别的燃料电池汽车能量管理方法和系统，包括获取历史典型工况集、构建整车的动力系统模型；通过聚类分析法和工况集确定标准工况和特征参数，将标准工况和特征参数输入PNN神经网络模型中并进行训练，得到工况识别模型，获取目标车辆的实时特征参数并输入工况识别模型中，输出实时工况；结合动力系统模型、标准工况和特征参数对模糊控制器进行粒子群优化，将实时工况输入优化后模糊控制器中，得到对应的能量管理策略并对目标车辆的实时能量管理。本发明通过将工况识别算法应用在模糊能量管理策略中，该策略能实时识别工况并切换至相应的模糊控制器，实现整车等效能耗的明显降低。
-
公开(公告)号：CN117895613A
公开(公告)日：2024-04-16
申请号：CN202410069263.1
申请日：2024-01-18
申请人： 合肥工业大学 , 安徽国麒科技有限公司
摘要： 本发明公开了一种液流电池‑锂电池混合储能系统的能量管理方法，通过构建涵盖多特征参数组合的储能系统负荷数据库，基于循环神经网络与马尔可夫链建立负荷预测模型进行负荷预测，基于负荷预测和模型预测控制算法得到最优功率分配策略，抛弃传统单一状态估计方法，结合负荷预测方法中的多尺度、多状态联合估计方法，将多尺度、多状态估计结果用于能量管理策略，再采用自适应模型预测控制算法自动跟随系统自身参数的变化，不断优化功率分配策略，本发明通过结合负荷预测方法为系统自适应能量管理策略奠定关键理论基础，并有望建成具备融合全寿命周期自适应能量管理策略的理论与方法，为液冷电池‑锂电池混合储能系统实验装置提供原理支撑。
-
公开(公告)号：CN114594397A
公开(公告)日：2022-06-07
申请号：CN202210148873.1
申请日：2022-02-18
申请人： 合肥工业大学
IPC分类号： G01R31/392 , G01R31/367
摘要： 本发明实施例提供一种基于泛化模型的锂离子电池健康状态估计方法及系统，属于锂离子电池的SOH估计技术领域。所述估计方法包括：获取多个同型号的电池的数据特征；基于所述数据特征中的每个特征的相关性，从所述数据特征中选取第一特征集合；基于所述第一特征集合的重要性，从所述第一特征集合中选取第二特征集合；根据所述第二特征集合确定每个所述电池的回归模型；根据所述回归模型构建泛化SOH模型，并采用所述泛化SOH模型估计所述电池的SOH。该估计方法及系统在面对不同类型的锂离子电池时，具有更好的泛化特性。
-
公开(公告)号：CN118566741A
公开(公告)日：2024-08-30
申请号：CN202410603611.9
申请日：2024-05-15
申请人： 合肥工业大学
IPC分类号： G01R31/367 , G01R31/392 , G01R31/378
摘要： 本发明属于燃料电池健康状态估计技术领域，具体涉及一种基于补偿GPR模型的燃料电池健康状态估计方法和系统，包括获取燃料电池放电工况下的特征参数，采用自稀疏自编码器提取特征参数中目标特征；将目标特征作为预先构建的高斯过程回归GPR模型的输入，电池SOH作为GPR模型的输出，采用开普勒行星优化算法对GPR模型进行超参数优化，优化后GPR模型输出SOH第一预测值；设置补偿函数对SOH第一预测值进行补偿优化，得到SOH第二预测值；选择平均绝对百分比误差、均方误差以及最大误差作为评估指标对SOH第二预测值进行评估。本发明能够以较高的精度实现对不同放电电流下的燃料电池的SOH估计，且该方法能够适应不同放电电流下的燃料电池SOH估计，具有较好的鲁棒性。
-
公开(公告)号：CN118386952A
公开(公告)日：2024-07-26
申请号：CN202410835699.7
申请日：2024-06-26
申请人： 合肥工业大学
IPC分类号： B60L58/40
摘要： 本发明属于动力电池能量管理技术领域，具体涉及一种基于工况识别的燃料电池汽车能量管理方法和系统，包括获取历史典型工况集、构建整车的动力系统模型；通过聚类分析法和工况集确定标准工况和特征参数，将标准工况和特征参数输入PNN神经网络模型中并进行训练，得到工况识别模型，获取目标车辆的实时特征参数并输入工况识别模型中，输出实时工况；结合动力系统模型、标准工况和特征参数对模糊控制器进行粒子群优化，将实时工况输入优化后模糊控制器中，得到对应的能量管理策略并对目标车辆的实时能量管理。本发明通过将工况识别算法应用在模糊能量管理策略中，该策略能实时识别工况并切换至相应的模糊控制器，实现整车等效能耗的明显降低。
-
公开(公告)号：CN114643986B
公开(公告)日：2024-09-10
申请号：CN202210374225.8
申请日：2022-04-11
申请人： 合肥工业大学
IPC分类号： B60W30/14 , B60W30/18 , B60W50/00 , B60W10/08 , B60W10/188
摘要： 发明公开了一种电动汽车自适应巡航与再生制动的协同控制方法，其步骤包括：1、建立车辆的运动学模型并设定性能指标以及约束条件；2、采用动态规划算法对建立的目标函数进行求解；3、将求解后的结果做为再生制动控制系统的输入；4、设定电机和电池的约束，实现制动力的分配。本发明将自适应巡航和再生制动两种技术方案相结合，使其体现各自应有的性能，保证智能电动汽车满足综合行驶性能的同时回收更多的制动能量。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.025 秒)
