-
公开(公告)号：CN117498516A
公开(公告)日：2024-02-02
申请号：CN202311307410.6
申请日：2023-10-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于数字孪生仿真的卫星电源系统能量平衡计算方法，通过数字孪生模型仿真，求解计算典型飞行任务工况下的蓄电池放电深度，光伏板发电量，修正能量平衡分析结果，解决现有能量平衡方法用于太阳电池阵面积和蓄电池容量设计精度较低，存在过量冗余的问题。
-
公开(公告)号：CN118519062B
公开(公告)日：2024-12-03
申请号：CN202410966787.0
申请日：2024-07-18
Applicant: 湖南大学
IPC: G01R31/392 , G01R31/367 , G01R31/36 , G01R31/378 , G06N3/084 , H02J7/00
Abstract: 本申请涉及一种基于物理信息网络的航天太阳电池的健康评估方法和装置。该方法利用太阳电池的等效动态电路模型融合进神经网络的训练机制，为神经网络的参数更新提供了优化的方向，为神经网络的权重矩阵赋予了物理含义，并在损失函数中增加了物理约束损失，在迭代训练过程中，通过优化网络权重，辨识电路参数，进而根据辨识的电路参数识别电池健康状态。该方法利用物理信息优化了神经网络可解释性不足这一缺陷，利用神经网络解决了机理模型的结构不明确以及遥测数据少的问题，该方法既能减少对训练样本数据量的需求，又能够提高诊断算法的计算效率和诊断性能。
-
Patent Agency Ranking
公开(公告)号：CN118523473B
公开(公告)日：2024-10-18
申请号：CN202410966996.5
申请日：2024-07-18
Applicant: 湖南大学
Abstract: 本申请涉及一种航天器电源分布式太阳电池阵的多级协同控制方法和装置，该方法在航天器能量需求大时，所有太阳电池工作在最大功率跟踪模式，满足整个系统供电需求；在太阳电池阵能量过剩，蓄电池充电电流超过最大电流时，依次调节各级太阳电池处于限流模式，其余仍保持最大功率跟踪模式，实现蓄电池最大电流充电；在母线电压升高时，依次调节各级太阳电池处于稳压模式，其余仍保持最大功率跟踪模式，稳定母线电压。该方法能够实现分级调节太阳电池分别工作在最大功率跟踪、稳压和限流三种模式以实现整个系统的能量协调控制。
-
公开(公告)号：CN118519383A
公开(公告)日：2024-08-20
申请号：CN202410967094.3
申请日：2024-07-18
Applicant: 湖南大学
IPC: G05B19/042 , H02J7/35 , H02J7/00
Abstract: 本申请涉及一种航天电源的数字模拟混合控制系统及切换方法，该方法在正常情况下，使用数字控制芯片对电源进行控制，实现电源的各种功能，而在数字控制芯片发生故障或者控制出现错误时，切换到模拟控制，保障电源的可靠输出。该方法通过数字控制实现航天电源的能源高利用率、高集成、多功能、可柔性配置等，在数字控制出现偏差或故障时，切换为模拟控制方式，保障电源的可靠供电，综合了两种控制的优势。
-
公开(公告)号：CN117498516B
公开(公告)日：2024-06-21
申请号：CN202311307410.6
申请日：2023-10-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于数字孪生仿真的卫星电源系统能量平衡计算方法，通过数字孪生模型仿真，求解计算典型飞行任务工况下的蓄电池放电深度，光伏板发电量，修正能量平衡分析结果，解决现有能量平衡方法用于太阳电池阵面积和蓄电池容量设计精度较低，存在过量冗余的问题。
-
公开(公告)号：CN118523473A
公开(公告)日：2024-08-20
申请号：CN202410966996.5
申请日：2024-07-18
Applicant: 湖南大学
Abstract: 本申请涉及一种航天器电源分布式太阳电池阵的多级协同控制方法和装置，该方法在航天器能量需求大时，所有太阳电池工作在最大功率跟踪模式，满足整个系统供电需求；在太阳电池阵能量过剩，蓄电池充电电流超过最大电流时，依次调节各级太阳电池处于限流模式，其余仍保持最大功率跟踪模式，实现蓄电池最大电流充电；在母线电压升高时，依次调节各级太阳电池处于稳压模式，其余仍保持最大功率跟踪模式，稳定母线电压。该方法能够实现分级调节太阳电池分别工作在最大功率跟踪、稳压和限流三种模式以实现整个系统的能量协调控制。
-
公开(公告)号：CN118519062A
公开(公告)日：2024-08-20
申请号：CN202410966787.0
申请日：2024-07-18
Applicant: 湖南大学
IPC: G01R31/392 , G01R31/367 , G01R31/36 , G01R31/378 , G06N3/084 , H02J7/00
Abstract: 本申请涉及一种基于物理信息网络的航天太阳电池的健康评估方法和装置。该方法利用太阳电池的等效动态电路模型融合进神经网络的训练机制，为神经网络的参数更新提供了优化的方向，为神经网络的权重矩阵赋予了物理含义，并在损失函数中增加了物理约束损失，在迭代训练过程中，通过优化网络权重，辨识电路参数，进而根据辨识的电路参数识别电池健康状态。该方法利用物理信息优化了神经网络可解释性不足这一缺陷，利用神经网络解决了机理模型的结构不明确以及遥测数据少的问题，该方法既能减少对训练样本数据量的需求，又能够提高诊断算法的计算效率和诊断性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
