一种基于深度学习模型的锂离子电池健康状态诊断方法

    公开(公告)号:CN113009349B

    公开(公告)日:2024-01-05

    申请号:CN202110381523.5

    申请日:2021-04-09

    Abstract: 本发明公开一种基于深度学习模型的锂离子电池健康状态诊断方法,包括:对锂离子电池进行锂离子电池循环老化测试;获取每一循环过程中锂离子电池健康状态真实值;获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据;对二阶RC等效电路模型中的电路元件参数进行辨识,并构建锂离子电池寿命特征参量矩阵;建立并训练特征转换的深度学习模型,对待估计锂离子电池进行任意条件下的充放电测试,获得测试数据;对阻抗参数进行辨识,构建锂离子电池特征参量矩阵并作为输入数据,输入到训练后的特征转换的深度学习模型中,获得计算结果,作为待估计锂离子电池的SOH。本发明计算能力强,精度高,适应性宽。

    基于空间取样天线阵列的全极化干涉仪及其参数估计方法

    公开(公告)号:CN106483494B

    公开(公告)日:2021-11-02

    申请号:CN201610891525.8

    申请日:2016-10-13

    Abstract: 本发明涉及宽带全极化天线阵列传感器装置及其测向技术领域,具体的说是一种可用于雷达和通信等无线电系统中的基于空间取样天线阵列的全极化干涉仪及其参数估计方法,其特征在于采用六单元超宽带线极化天线阵列,引入两种超宽带线极化天线类型,即超宽带的对数周期天线和超宽带的Vivaldi天线,它们分别对应超宽带的电流源和超宽带的磁流源的辐射,以减小单元之间的电磁耦合;天线单元个数N为6,天线单元为线极化天线形式,单元组成圆环形阵列,六单元线极化天线按照圆心呈现径向方式排列,每个天线单元具有不同的空间取向,本发明适用于星载、机载、弹载以其他相关的无线电测向系统,具有更为全面的参数测量功能和平台的适应性。

    基于宽带双极化天线阵列的相位干涉仪的测向方法

    公开(公告)号:CN106654507B

    公开(公告)日:2019-04-02

    申请号:CN201610902228.9

    申请日:2016-10-17

    Abstract: 本发明涉一种基于宽带双极化天线阵列的相位干涉仪及其测向方法,其特征在于包括三个双极化超宽带喇叭天线单元、金属安装底盘和宽带微波吸波材料,其中双极化超宽带喇叭天线采用金属结构,两个极化端口正交放置,采用同轴线底部馈电,缝隙为连续渐变结构;天线单元底部为波导腔体结构,以实现阻抗匹配功能,腔体周围四个金属臂引入渐变结构,以进一步实现阻抗匹配,降低电压驻波比;天线的四个脊采用倒角处理,以降低两个端口的电压驻波比,本发明适用于星载、机载、弹载以其他相关的无线电测向系统,具有更为全面的参数测量功能和平台的适应性。

    一种基于介质集成同轴线的CTS天线装置

    公开(公告)号:CN108172980A

    公开(公告)日:2018-06-15

    申请号:CN201711404409.X

    申请日:2017-12-22

    CPC classification number: H01Q1/36 H01Q1/50 H01Q21/08

    Abstract: 本发明是一种基于介质集成同轴线的CTS天线装置,其特征在于设有介质集成同轴线、切向节单元、终端负载和宽带阻抗变换段,所述切向节单元由多个平面CTS辐射单元级联构成的直线阵列,所述平面CTS辐射单元采用渐变缝隙结构,采用终端加载匹配负载的方式,具体为基片集成同轴线SICL的两侧设有基于SICL的CTS天线缝隙,在多个平面CTS单元级联构成的直线阵列的末端设有基于SICL的CTS天线的阻抗变换段,本发明设计的基于介质集成同轴线的CTS天线结构具备了传统同轴线的优点,同时还是平面结构,适合于很多场合的工程应用。本发明设计的基于介质集成同轴线的CTS天线适合应用于相控阵、无线通信等电子系统中,重要较为重要的工程应用价值。

    一种基于微透镜阵列的火焰光场探测泛尺度分析方法

    公开(公告)号:CN104819774A

    公开(公告)日:2015-08-05

    申请号:CN201510194407.7

    申请日:2015-04-22

    Abstract: 本发明提供一种基于微透镜阵列的火焰光场探测泛尺度分析方法,包括:高温弥散介质光辐射建模、高温弥散介质辐射特性计算、基于蒙特卡洛算法的光线追踪算法、物像重聚焦算法等步骤。通过模拟不同波长的光线从介质内部发射并经由介质的吸收、散射衰减、介质发射和散射增强等过程,对高温火焰的微透镜光场成像进行仿真计算。通过本发明的仿真计算,可实现对高温火焰的温度场重建,并为光场相机的标定、测量等工作提供理论基础。

    一种基于深度学习模型的锂离子电池健康状态诊断方法

    公开(公告)号:CN113009349A

    公开(公告)日:2021-06-22

    申请号:CN202110381523.5

    申请日:2021-04-09

    Abstract: 本发明公开一种基于深度学习模型的锂离子电池健康状态诊断方法,包括:对锂离子电池进行锂离子电池循环老化测试;获取每一循环过程中锂离子电池健康状态真实值;获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据;对二阶RC等效电路模型中的电路元件参数进行辨识,并构建锂离子电池寿命特征参量矩阵;建立并训练特征转换的深度学习模型,对待估计锂离子电池进行任意条件下的充放电测试,获得测试数据;对阻抗参数进行辨识,构建锂离子电池特征参量矩阵并作为输入数据,输入到训练后的特征转换的深度学习模型中,获得计算结果,作为待估计锂离子电池的SOH。本发明计算能力强,精度高,适应性宽。

Patent Agency Ranking