公开(公告)号：CN112415414A

公开(公告)日：2021-02-26

申请号：CN202011072777.0

申请日：2020-10-09

Applicant: 杭州电子科技大学 ,  湖州师范学院

Inventor： 李祖欣 ,  郑晋辉 ,  周哲 ,  蔡志端

IPC: G01R31/392 ,  G01R31/382 ,  G01R31/367

Abstract: 本发明公开了一种锂离子电池剩余使用寿命预测方法，具体步骤如下：从锂电池数据集中提取容量数据，采用经验模态分解方法将容量数据分解为代表容量重生现象的高频分量和表示容量总体退化趋势的低频分量，然后利用ARIMA模型分别预测EMD分解的子分量，最后将各个分量的预测结果相加，得到综合的预测结果；将上一步骤的容量预测值作为正则化粒子滤波模型的观测值，在正则化粒子滤波的每一步迭代过程中调整更新容量预测值，进而得到更为准确的剩余使用寿命；EMD‑ARIMA预测值作为RPF算法模型的观测值解决了粒子滤波算法过度依赖经验退化模型的问题，同时，RPF的引入弥补了EMD‑ARIMA方法预测结果的单点估计问题，可以提供更为详尽的PDF区间表达，且正则化粒子滤波的引入提升了粒子滤波的不确定性表示能力，所提出方法可广泛应用于与锂电池剩余使用寿命的预测。

公开(公告)号：CN104808648A

公开(公告)日：2015-07-29

申请号：CN201510102631.9

申请日：2015-03-09

Applicant: 杭州电子科技大学

Inventor： 文成林 ,  周梅 ,  周哲

IPC: G05B23/02

CPC classification number: G05B23/0278 ,  G05B23/0294

Abstract: 本发明公开了一种基于k近邻的批次过程在线实时监测方法，本发明根据每个采样时刻的历史数据进行多个建模，并根据这些模型对批次过程实时地监测【通过离线训练，建立模型】。将批次过程的历史数据按照采样时刻切割为多个二维数据矩阵，对每一个二维数据矩阵进行归一化处理后，利用k近邻方法分别建立所有采样时刻的控制限【】；在线采集批次过程的测量数据并归一化处理，计算测量样本的k个最近邻平方累积距离，并与第一部分中得到的采集测量数据对应采样时刻下的控制限作比较，判断批次过程是否异常。若测量样本的k个最近邻平方累积距离超出了第一部分中得到的采集测量数据对应采样时刻下的控制限，则表明批次过程发生异常。本发明方法能够及时检测批次过程存在的异常情况。

公开(公告)号：CN102662390A

公开(公告)日：2012-09-12

申请号：CN201210127171.1

申请日：2012-04-26

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  周哲 ,  文成林

IPC: G05B23/02 ,  G05B13/04

Abstract: 本发明涉及一种随机模糊故障特征融合的旋转机械设备故障诊断方法，属于旋转机械设备故障监控与诊断技术领域。该方法能处理具有随机性和模糊性的故障特征参数，对故障特征参数在各个故障下典型数据的统计分析，构造随机模糊变量，用该变量建模故障档案库中的每个故障样板模式；同样用随机模糊变量建模在线监测中提取的故障待检模式；将待检模式与各故障的样板模式进行匹配，得到待检模式支持各故障的程度，亦即诊断证据；然后将多个故障特征参数提供的诊断证据进行融合，在一定的决策准则下，由融合结果进行故障决策，基于多证据融合结果做出的决策要比只凭借单一诊断证据做出的决策更加准确。

公开(公告)号：CN102662390B

公开(公告)日：2014-04-02

申请号：CN201210127171.1

申请日：2012-04-26

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  周哲 ,  文成林

IPC: G05B23/02 ,  G05B13/04

Abstract: 本发明涉及一种随机模糊故障特征融合的旋转机械设备故障诊断方法，属于旋转机械设备故障监控与诊断技术领域。该方法能处理具有随机性和模糊性的故障特征参数，对故障特征参数在各个故障下典型数据的统计分析，构造随机模糊变量，用该变量建模故障档案库中的每个故障样板模式；同样用随机模糊变量建模在线监测中提取的故障待检模式；将待检模式与各故障的样板模式进行匹配，得到待检模式支持各故障的程度，亦即诊断证据；然后将多个故障特征参数提供的诊断证据进行融合，在一定的决策准则下，由融合结果进行故障决策，基于多证据融合结果做出的决策要比只凭借单一诊断证据做出的决策更加准确。