-
公开(公告)号：CN114155117B
公开(公告)日：2025-03-25
申请号：CN202111337444.0
申请日：2021-11-09
Applicant: 江南大学
IPC: G06Q50/06 , G06F30/20 , G06F17/11 , G06F18/241 , G06F18/22
Abstract: 本发明公开了一种针对多运行模式下电力变换器的滤波故障诊断方法，属于故障诊断技术领域。该方法应用多胞集员滤波的方法包络可行参数集，在系统参数发生变换时，首先通过检测参数可行集与数据样本是否相容判断电力变换器运行模式是否发生变换，若检测到参数可行集与数据样本不相容，进一步通过判断数据样本与电力变换器所有运行模式的一致性以区分系统故障与系统运行模式变换，若系统发生故障，进行模型匹配，确定故障类型，若没有匹配到故障类型，则表示电力变换器发生了新的故障类型，将新的故障类型添加到故障库中。相比于现有的基于全对称多胞体的故障诊断方法，本方法解决了具有多个运行模式的电力变换器运行状态识别与故障诊断问题。
-
公开(公告)号：CN114529059A
公开(公告)日：2022-05-24
申请号：CN202210084356.2
申请日：2022-01-19
Applicant: 江南大学
Abstract: 本发明公开了一种动力电池产线优化重组方法，属于产线重组领域。该方法根据动力电池车间产线优化的静态数学模型利用粒子群方法进行全局搜索；在粒子群方法全局搜索时，设计了一种多重对称学习方法避免个体最优粒子陷入局部最优；根据改进的个体最优粒子，设计了一种改进变邻域方法避免群体最优粒子陷入早熟收敛，得到静态产线优化重组结果；在动力电池生产车间并行机器故障情况下，获取机器故障约束以及受影响的生产工序；进一步在静态产线优化重组结果的基础上对受影响的生产工序进行局部产线优化重组法。该方法不仅获得更好的静态产线优化重组方案，还降低了机器故障对动态产线优化重组结果的影响，得到良好的动态产线优化重组结果。
-
公开(公告)号：CN118228455A
公开(公告)日：2024-06-21
申请号：CN202410242198.8
申请日：2024-03-04
Applicant: 江南大学
Abstract: 本发明公开了一种动力电池化成设备故障主动隔离方法，属于动力电池故障诊断技术领域。所述方法通过获取包含未知但有界噪声与故障的动力电池化成设备状态模型，基于全对称多胞体集员滤波思想，设计了空间更新策略，构造了状态观测器，此时不需假定模型噪声的先验分布已知，增强了算法的鲁棒性和实用性；通过引入测试点来执行故障检测，将状态可行集和故障集相切表示为发生故障的临界条件，并将此临界条件描述为两个优化问题直接求取辅助信号取值，实现故障有效隔离，避免了传统方法中依赖观测器性能指标设计辅助信号时导致的问题复杂性；经仿真实例证明，相比于传统方法，本申请方法对微小故障的敏感性更强，更能避免对故障的检测延迟或漏检，提升了故障检测和隔离的效率。
-
公开(公告)号：CN114755584A
公开(公告)日：2022-07-15
申请号：CN202210348041.4
申请日：2022-03-25
Applicant: 江南大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于双集员滤波的动力电池性能检测方法，属于动力电池生产领域。通过使用嵌套的双集员算法，获得动力电池的SOC和SOH联合模型后，根据SOC和SOH状态方程间的耦合关系，通过全对称多胞体算法进行交替运算，将SOH的k时刻更新步结果作为已知量，带入k+1时刻的SOC预测步计算中；将k+1时刻的SOC预测步的结果作为已知量，带入k+1时刻SOH更新步的计算中，以此实现交替运算。不同于两个独立的滤波算法，本申请方法在联合建模的基础上进一步加强了SOC和SOH的耦合关系，同时，将滤波后的结果带入算法交替运算，减少了噪声带来的影响，使得算法结果更为精确且鲁棒性更高。
-
公开(公告)号：CN114563104B
公开(公告)日：2022-11-08
申请号：CN202210150651.3
申请日：2022-02-14
Applicant: 江南大学
IPC: G01K13/00
Abstract: 本发明公开了一种基于非线性电热模型的动力电池双温度估计方法，属于动力电池状态估计技术领域。所述方法包括建立动力电池的非线性电热模型，利用Stirling插值将非线性模型展开，构建线性电热模型，确定温度约束条件，建立带温度约束条件的线性电热模型，利用全对称多胞体卡尔曼滤波方法实现动力电池的温度估计；本申请通过建立贴近于真实动力电池系统的非线性电热模型，而且添加了温度约束条件，充分利用系统的约束条件，进一步提高了对动力电池温度估计的精度。
-
Patent Agency Ranking
公开(公告)号：CN114563104A
公开(公告)日：2022-05-31
申请号：CN202210150651.3
申请日：2022-02-14
Applicant: 江南大学
IPC: G01K13/00
Abstract: 本发明公开了一种基于非线性电热模型的动力电池双温度估计方法，属于动力电池状态估计技术领域。所述方法包括建立动力电池的非线性电热模型，利用Stirling插值将非线性模型展开，构建线性电热模型，确定温度约束条件，建立带温度约束条件的线性电热模型，利用全对称多胞体卡尔曼滤波方法实现动力电池的温度估计；本申请通过建立贴近于真实动力电池系统的非线性电热模型，而且添加了温度约束条件，充分利用系统的约束条件，进一步提高了对动力电池温度估计的精度。
-
公开(公告)号：CN114418234A
公开(公告)日：2022-04-29
申请号：CN202210098257.X
申请日：2022-01-19
Applicant: 江南大学
Abstract: 本发明公开了一种基于强化学习的动力电池制造能力在线预测方法，属于动力电池制造预测领域。所述方法通过提出新的组合预测模型形式对于不同预测方法的预测值进行合理切分组合，其次相对于传统的神经网络往往采用经验数据设定隐含层的层数，难以做到对电池制造能力预测模型的最佳适配，本申请利用强化学习构建循环神经网络和长短时记忆网络模型的隐含层学习环境，求解网络模型隐含层的最优层数，降低隐含层的预测偏差；进而构建组合模型的权重学习环境，经过迭代训练后得到最优权重，最终构造动力电池制造能力组合预测模型，进一步提高了针对动力电池制造能力预测的预测精度和可靠性。
-
公开(公告)号：CN115130293A
公开(公告)日：2022-09-30
申请号：CN202210706888.5
申请日：2022-06-21
Applicant: 江南大学
IPC: G06F30/20 , G06F30/3323 , G06F17/16 , G06F17/11 , G01R31/367 , G01R31/378 , G01R31/382 , G01R31/396 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种双重扰动下基于多胞滤波的动力电池温度估计方法，属于动力电池状态估计技术领域。所述方法包括建立未知但有界噪声与高斯噪声混合的动力电池电热模型，基于多胞空间模型和已知噪声的概率分布情况，设计多胞更新策略，构造状态估计器，基于均方误差最小和多胞空间最小得到满足一定概率分布的噪声和未知但有界噪声的最优权重，而非取相同权重，从而提高了包含状态真值的估计区间的准确性。相比于现有的结合随机和集员的混合噪声双重滤波的状态估计方法，本申请方法状态估计精度更高，由于结果区间更小，因此可进一步确定估计具体值。
-
公开(公告)号：CN115130293B
公开(公告)日：2025-01-24
申请号：CN202210706888.5
申请日：2022-06-21
Applicant: 江南大学
IPC: G06F30/20 , G06F30/3323 , G06F17/16 , G06F17/11 , G01R31/367 , G01R31/378 , G01R31/382 , G01R31/396 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种双重扰动下基于多胞滤波的动力电池温度估计方法，属于动力电池状态估计技术领域。所述方法包括建立未知但有界噪声与高斯噪声混合的动力电池电热模型，基于多胞空间模型和已知噪声的概率分布情况，设计多胞更新策略，构造状态估计器，基于均方误差最小和多胞空间最小得到满足一定概率分布的噪声和未知但有界噪声的最优权重，而非取相同权重，从而提高了包含状态真值的估计区间的准确性。相比于现有的结合随机和集员的混合噪声双重滤波的状态估计方法，本申请方法状态估计精度更高，由于结果区间更小，因此可进一步确定估计具体值。
-
公开(公告)号：CN118228455B
公开(公告)日：2024-12-27
申请号：CN202410242198.8
申请日：2024-03-04
Applicant: 江南大学
Abstract: 本发明公开了一种动力电池化成设备故障主动隔离方法，属于动力电池故障诊断技术领域。所述方法通过获取包含未知但有界噪声与故障的动力电池化成设备状态模型，基于全对称多胞体集员滤波思想，设计了空间更新策略，构造了状态观测器，此时不需假定模型噪声的先验分布已知，增强了算法的鲁棒性和实用性；通过引入测试点来执行故障检测，将状态可行集和故障集相切表示为发生故障的临界条件，并将此临界条件描述为两个优化问题直接求取辅助信号取值，实现故障有效隔离，避免了传统方法中依赖观测器性能指标设计辅助信号时导致的问题复杂性；经仿真实例证明，相比于传统方法，本申请方法对微小故障的敏感性更强，更能避免对故障的检测延迟或漏检，提升了故障检测和隔离的效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
