-
公开(公告)号：CN119337081A
公开(公告)日：2025-01-21
申请号：CN202411355220.6
申请日：2024-09-27
Applicant: 安徽理工大学
IPC: G06F18/20 , G01R31/388 , G01R31/385 , G01R31/392 , G01R31/367 , G06F18/213 , G06F18/214 , G06F18/2411 , G06F18/243 , G06F18/27 , G06N5/01 , G06N3/006 , G06F17/15 , G06F17/18
Abstract: 本发明涉及锂电池健康状态估算技术领域，提供了一种基于LAO‑XGBoost的锂电池SOH预测方法，包括：对电池实验数据进行分析，从恒流恒压充放电片段以及恒流放电片段提取出四组特征值，使用Spearman相关系数检验特征值与电池退化之间的关联性，选择出合适的特征量作为模型输入。选择智能算法AO算法作为XGBoost模型的参数寻优算法，解决由于参数选择不当导致模型精度低的问题，通过对AO算法进行改进提高AO算法的全局寻优能力和跳出局部最优能力，通过与AO‑XGBoost、XGBoost模型做了对比验证，结果表明LAO‑XGBoost的精确性和鲁棒性。本发明可以及时了解电池的失效时间，避免发生安全事故造成人员伤亡。
-
公开(公告)号：CN114839550A
公开(公告)日：2022-08-02
申请号：CN202210395241.5
申请日：2022-04-14
Applicant: 安徽理工大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明公开了锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下，电池模型不契合实际电池参数时变特性造成的误差，采用无迹卡尔曼滤波算法(UKF)对锂电池二阶等效模型进行在线参数辨识，再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC，将时变参数反馈到SOC估计的模型中，提高SOC估计精度和对各工况适应性，UDDS工况下通过与离线单一扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析，实验结果验证了UKF‑AUKF的精确性和鲁棒性。
-
公开(公告)号：CN113138344B
公开(公告)日：2024-03-05
申请号：CN202110463375.1
申请日：2021-04-23
Applicant: 安徽理工大学
IPC: G01R31/367
Abstract: 本发明公开了一种基于分数阶扩展卡尔曼滤波算的SOC估计方法，该方法包括建立锂电池分数阶二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对参数初始化，采用自适应遗传算法对分数阶模型参数进行参数辨识；辨识出电池分数阶模型后，采用分数阶扩展卡尔曼滤波算法进行SOC估计；本发明通过自适应遗传算法对分数阶模型进行参数辨识，并结合分数阶扩展卡尔曼滤波算法估计锂电池SOC，解决了整数阶模型不够精准、无(56)对比文件张梦龙.基于分数阶微积分的锂离子电池建模及多状态联合估计研究《.中国优秀硕士学位论文全文数据库工程科技II辑》.2023,(第2期),C042-3366 .田文奇;和敬涵;姜久春;牛利勇;王小君.电动汽车充电负荷空间分配优化算法.电工技术学报.2013,(03),275-282.谭霁宬;颜学龙.基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计.科学技术与工程.2019,(12),175-180.
-
公开(公告)号：CN117394896A
公开(公告)日：2024-01-12
申请号：CN202311387083.X
申请日：2023-10-24
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于线性核技术的自适应宽带波束形成方法，涉及阵列信号处理领域，能有效提高大规模阵列系统的适应性及实时性。首先，将宽带信号均匀地划分为多个窄带信号。然后，在各子带上，将线性核技术与自适应波束形成技术结合构建低维波束形成问题，并利用拉格朗日乘子法求解此问题。最后，结合波束形成器扫描模式特点，优化矢量运算顺序，提升波束形成器工作效率。本发明为基于二阶统计量的波束形成方法提供了一种新的设计思路，在保障输出信干噪比情况下，提高了样本收敛速度，缩短了算法运行时间。
-
公开(公告)号：CN117938590A
公开(公告)日：2024-04-26
申请号：CN202311387098.6
申请日：2023-10-24
Applicant: 安徽理工大学
IPC: H04L25/03
Abstract: 本发明公开了一种适用于脉冲噪声环境的盲均衡方法，涉及无线通信领域，能有效地改善通信质量。首先，利用Sigmoid函数处理均衡器输出的低阶统计量。然后，基于均方误差最小准则建立约束优化问题并使用随机梯度下降方法更新均衡器权重。最后，利用均衡器输入的无穷范数归一化梯度，进一步增强均衡器的稳健性。本发明为基于分数低阶统计量的均衡方法提供了一种新的设计思路，在保持方法工程实现简单的前提下，提升了收敛速度，增强了适应性。
-
Patent Agency Ranking
公开(公告)号：CN113030752A
公开(公告)日：2021-06-25
申请号：CN202110398586.1
申请日：2021-04-12
Applicant: 安徽理工大学
IPC: G01R31/388 , G01R31/367
Abstract: 本发明公开了一种基于遗忘因子在线参数辨识和SOC联合估计方法，该方法包括建立锂电池二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对SOC状态变量和参数状态变量初始化，在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过变遗忘因子递推最小二乘法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了遗忘因子递推最小二乘法中遗忘因子固定的问题，实现锂电池参数在线更新，提高了锂电池SOC估计的精度。
-
公开(公告)号：CN106436224A
公开(公告)日：2017-02-22
申请号：CN201611083381.X
申请日：2016-11-30
Applicant: 安徽理工大学
IPC: D06F57/12
CPC classification number: D06F57/12
Abstract: 本发明公开了一种晾衣晾鞋装置，分为手动模式和自动模式,装置包括：底座，开关，滑轮，晾衣杆，钢丝栅栏，顶棚，所述底座内部含有单片机控制系统和驱动机构，与装置电连接，所述开关安装在阳台上，用于在手动模式下，控制单片机的工作状态，所述钢丝栅栏安装于装置下方，两侧的两对滑轮通过钢丝绳闭环连接，所述晾衣杆与两侧滑轮上的钢丝绳相连，所述顶棚由防水的柔性太阳能电板构成，顶棚上安装有湿度传感器，顶棚边沿安装有转轴，转轴上卷有防水布料。在本发明涉及的晾衣晾鞋装置中，晾衣杆用于晾晒衣服，钢丝栅栏前端用于晾晒鞋子，钢丝栅栏防止晾衣杆上的衣服掉落至地面，下雨天还能防止衣物被淋湿，采用太阳能供电，节能环保。
-
公开(公告)号：CN118393355A
公开(公告)日：2024-07-26
申请号：CN202410317286.X
申请日：2024-03-20
Applicant: 安徽理工大学
IPC: G01R31/367 , G01R31/387 , G01R31/388 , G01R31/00 , G06F17/11 , G06F17/16
Abstract: 本发明提出一种基于多时间尺度的分数阶DFOMIUKF算法锂电池SOC在线估计方法估计电池荷电状态(SOC)的方法，该算法可以全参数辨识分数阶模型的7个参数，提高了模型的精度，在电池研究领域具有重要意义。首先建立分数阶二阶RC等效电路模型，并推出锂电池状态空间表达式；然后对分数阶模型进行在线辨识，提出一种分数阶多信息无迹卡尔曼滤波(FOMIUKF)算法，该方法可以根据电池工况自适应更新模型参数以进一步提高模型精度；最后再将辨识的参数传递给分数阶多新息无迹卡尔曼滤波(FOMIUKF)算法实现对锂电池荷电状态(SOC)的估计。DFOMIUKF算法充分利用了历史端电压残差构建多新息矩阵，通过多新息矩阵纠正当前时刻的估计值。该联合算法有效解决了离线算法自适应能力差的问题，使得估计SOC的精度更高、收敛性更好、鲁棒性更强。
-
公开(公告)号：CN114839550B
公开(公告)日：2024-05-10
申请号：CN202210395241.5
申请日：2022-04-14
Applicant: 安徽理工大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明公开了锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下，电池模型不契合实际电池参数时变特性造成的误差，采用无迹卡尔曼滤波算法(UKF)对锂电池二阶等效模型进行在线参数辨识，再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC，将时变参数反馈到SOC估计的模型中，提高SOC估计精度和对各工况适应性，UDDS工况下通过与离线单一扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析，实验结果验证了UKF‑AUKF的精确性和鲁棒性。
-
公开(公告)号：CN113030752B
公开(公告)日：2024-03-29
申请号：CN202110398586.1
申请日：2021-04-12
Applicant: 安徽理工大学
IPC: G01R31/388 , G01R31/367
Abstract: 本发明公开了一种基于遗忘因子在线参数辨识和SOC联合估计方法，该方法包括建立锂电池二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对SOC状态变量和参数状态变量初始化，在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过变遗忘因子递推最小二乘法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了遗忘因子递推最小二乘法中遗忘因子固定的问题，实现锂电池参数在线更新，提高了锂电池SOC估计的精度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.068 seconds)
