公开(公告)号：CN113203954A

公开(公告)日：2021-08-03

申请号：CN202110453564.0

申请日：2021-04-26

Applicant: 湖北工业大学

Inventor： 常春 ,  王启悦 ,  姜久春 ,  高洋 ,  廖力

IPC: G01R31/367 ,  G01R31/385 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明提出了一种基于时频图像处理的电池故障诊断方法，包括：采集正常电池和故障电池的一维电压数据作为原始数据集；对采集的电压数据进行时频处理，转化为二维时频图；将二维时频图进行灰度化处理，计算得到灰度共生矩阵；并提取灰度共生矩阵相关特征集，利用基于密度的聚类算法对图像特征进行诊断识别；从而实现电池故障诊断。本发明的特点是将一维电压信号转为二维时频图后，更能体现电池故障信息，故障诊断具有很高的精确性和稳定性。本发明提供了一种准确度高，误报少的故障单体电池检测方法，该方法解决了现有技术中很难有效诊断故障单体电池的问题。

公开(公告)号：CN113311348A

公开(公告)日：2021-08-27

申请号：CN202110642172.9

申请日：2021-06-09

Applicant: 湖北工业大学

Inventor： 常春 ,  姜久春 ,  王启悦 ,  高洋 ,  王鹿军

IPC: G01R31/396 ,  G01R31/367 ,  G06F30/20

Abstract: 本发明提出一种基于小波分解和包络谱分析的电池故障识别方法。包括以下步骤：该方法首先利用小波分解得到合适的分解信号，选取合适的细节分解信号进行希尔伯特变换得到包络谱，提取出有效故障特征，并利用离群点检测算法进行故障电池检测。该方法能有效提取故障特征并提前实现电池故障诊断，能够在电池组中准确找到异常电池。

公开(公告)号：CN112014757A

公开(公告)日：2020-12-01

申请号：CN202010879594.3

申请日：2020-08-27

Applicant: 湖北工业大学

Inventor： 常春 ,  王启悦 ,  姜久春

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/04 ,  G06N3/12

Abstract: 本发明公开了一种容量增量分析与遗传小波神经网络融合的电池SOH估计方法，属于电池技术领域。本发明提出在容量增量曲线上提取多个初始特征值，并利用皮尔逊相关分析法分析相关性，获得与容量强相关的特征值。然后以特征值即峰值及其峰位作为输入，SOH作为输出，以小波神经网络为基本模型，利用遗传算法优化权值，建立遗传小波神经网络模型进行电池SOH估计，提高估计精度。使用Nasa电池数据集的部分数据进行实验证明了SOH估计的有效性。