公开(公告)号：CN116956124A

公开(公告)日：2023-10-27

申请号：CN202310863322.8

申请日：2023-07-13

Applicant: 哈尔滨理工大学

Inventor： 刘金凤 ,  孙晨 ,  张玉龙

IPC: G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01R31/00

Abstract: 本发明公开了一种基于改进CNN实现三相整流器件故障诊断的方法，所述方法包括：构建出三相整流器件故障诊断总体框架，对三相整流器件故障进行诊断；对包含不同三相整流器件的故障，获得每种故障的数据，处理每种故障的数据以生成三相整流器件故障特征；通过一维卷积神经网络设计出对应的三相整流器件故障诊断的多尺度一维卷积神经网络模块，生成故障特征；构建Res2Net模块，将一维卷积神经网络模块生成的故障特征进行训练，得到不同种类的故障数据特征；构建改进的卷积神经网络模型；根据故障数据特征来确定每种故障的不同类型。本发明提供的方法能够有效提高三相整流器件的故障分类性能，使故障分类更准确。

公开(公告)号：CN114660497B

公开(公告)日：2025-01-14

申请号：CN202210278351.3

申请日：2022-03-17

Applicant: 哈尔滨理工大学

Inventor： 刘金凤 ,  陈浩玮 ,  胡庆 ,  孙晨

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/006 ,  G06N20/10

Abstract: 本发明公开了一种针对容量再生现象的锂离子电池寿命预测方法，属于电池寿命预测技术领域。本发明针对现技术不能针对电池容量再生现象而进行电池寿命预测。本发明获取锂离子电池的健康因子数据和循环次数；采用变分模态分解方法将所述健康因子分解成第一类模态分量和第二类模态分量；将第一类模态分量输入第一预测模型中，将第二类模态分量输入第二预测模型中，得到健康因子预测值；将健康因子预测值和循环次数输入退化关系模型中，得到锂离子电池的容量预测值，进而得到锂离子电池的寿命值。本发明解决了锂离子电池退化过程中，电池数据的容量再生波动导致传统的数据驱动方法泛化能力弱、预测精度低的问题。

公开(公告)号：CN114660497A

公开(公告)日：2022-06-24

申请号：CN202210278351.3

申请日：2022-03-17

Applicant: 哈尔滨理工大学

Inventor： 刘金凤 ,  陈浩玮 ,  胡庆 ,  孙晨

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/00 ,  G06N20/10

Abstract: 本发明公开了一种针对容量再生现象的锂离子电池寿命预测方法，属于电池寿命预测技术领域。本发明针对现技术不能针对电池容量再生现象而进行电池寿命预测。本发明获取锂离子电池的健康因子数据和循环次数；采用变分模态分解方法将所述健康因子分解成第一类模态分量和第二类模态分量；将第一类模态分量输入第一预测模型中，将第二类模态分量输入第二预测模型中，得到健康因子预测值；将健康因子预测值和循环次数输入退化关系模型中，得到锂离子电池的容量预测值，进而得到锂离子电池的寿命值。本发明解决了锂离子电池退化过程中，电池数据的容量再生波动导致传统的数据驱动方法泛化能力弱、预测精度低的问题。