-
公开(公告)号：CN116879750A
公开(公告)日：2023-10-13
申请号：CN202310696507.4
申请日：2023-06-13
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G01R31/367 , G01R31/392 , G01R31/387 , G06F18/10 , G06F18/27 , G06F18/25
Abstract: 本发明公开了一种基于stacking融合模型的电池荷电状态预测方法，对电池进行测试，并对测试得到的电池数据进行预处理，得到电池荷电状态相关的特征数据；将得到与电池荷电状态相关的特征数据输入构建的stacking融合模型，得到电池荷电状态预测结果；stacking融合模型包括顺次设置的第一并行处理层、第二并行处理层和预测层；第一并行处理层包括三个以上并行设置的基模型，各基模型的预测结果拼接输出至第二并行处理层；第二并行处理层包括两个以上并行设置的拟合器，各拟合器的拟合结果拼接输出至预测层；预测层使用的是线性回归模型，其输出结果即为电池荷电状态预测结果。本发明对于不同类型的电池，在保持精度的情况下，具有良好的泛化性能。
-
公开(公告)号：CN113759266B
公开(公告)日：2023-07-25
申请号：CN202110982728.9
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/392
Abstract: 本发明公开了一种关于人工智能预测锂离子电池健康状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池健康状态的方法，包括主控CPU与锂电池组，所述锂电池组与主控CPU之间双向数据连接，锂电池组包括锂电池温度检测模块、外部环境温度检测模块以及降温模块，主控CPU包括预设数据记录模块、数据分析模块、报警模块、数据反馈模块、数据存储模块以及大数据分析模块。该关于人工智能预测锂离子电池健康状态的方法，在正常情况下也能够使用户实时了解锂电池的健康状态，用户可以及时对汽车内锂电池进行检修，避免了锂电池异常快速使锂电池老化，保障了锂电池的正常使用寿命，进一步降低了车主的维修成本。
-
Patent Agency Ranking
公开(公告)号：CN113759263B
公开(公告)日：2023-10-17
申请号：CN202110982756.0
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/387 , G01R31/382
Abstract: 本发明公开了一种关于人工智能预测锂离子电池荷电状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池荷电状态的方法，具体操作步骤如下：S1、检测出锂电池的SOC值a、SOC值b以及SOC值c，S2、控制芯片根据预置参数对电动汽车内锂电池进行对比，S3、外部温度以及电流状态进行对比得到电动汽车荷电状态，S3、控制芯片将S4步骤得到的荷电状态发送至电动汽车的主控面板上。该关于人工智能预测锂离子电池荷电状态的方法，可以对不同电池运行时温度以及锂电池运行时电流的荷电状态进行估算，适用范围广，提高了预测的可靠性和准确度，大大节约了时间成本，提高了检测效率，便于快速准确估算电池的健康状态。
-
公开(公告)号：CN113759266A
公开(公告)日：2021-12-07
申请号：CN202110982728.9
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/392
Abstract: 本发明公开了一种关于人工智能预测锂离子电池健康状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池健康状态的方法，包括主控CPU与锂电池组，所述锂电池组与主控CPU之间双向数据连接，锂电池组包括锂电池温度检测模块、外部环境温度检测模块以及降温模块，主控CPU包括预设数据记录模块、数据分析模块、报警模块、数据反馈模块、数据存储模块以及大数据分析模块。该关于人工智能预测锂离子电池健康状态的方法，在正常情况下也能够使用户实时了解锂电池的健康状态，用户可以及时对汽车内锂电池进行检修，避免了锂电池异常快速使锂电池老化，保障了锂电池的正常使用寿命，进一步降低了车主的维修成本。
-
公开(公告)号：CN117665592A
公开(公告)日：2024-03-08
申请号：CN202311670876.2
申请日：2023-12-06
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/367
Abstract: 本发明公开了一种锂离子电池热失控故障诊断与预警方法，用以对电池组安全状态进行评估。该方法主要由三部分构成，第一部分主要采用直接多步时间预测模型对电池组未来时段内的温度变化进行预测；第二部分采用主成分分析(PCA)降维算法对预测所得的未来时间段内的温度进行降维，防止数据维度过高降低异常检测算法性能；第三部分采用基于密度的聚类算法DBSCAN对异常发热温度探针进行定位。该方法可以提前有效识别异常温度探针，而对正常温度探针不发生错误报警，具有较高的鲁棒性和可靠性。
-
公开(公告)号：CN113902014A
公开(公告)日：2022-01-07
申请号：CN202111179496.X
申请日：2021-10-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于多示例学习的小样本乳腺癌细胞图像判别方法。基于元学习框架，首先将图像分割为大小相同的图像块，利用卷积神经网络提取各图像块特征，然后利用多示例表征将图像分类问题转化成一个多示例学习问题。最后引入示例级的注意力机制，以单层全连接神经网络作为分类器，自动学习乳腺癌病变部位，完成分类与定位任务。本发明能够在少量乳腺癌细胞样本的情况下对正常细胞与癌细胞图像进行建模，采用多示例学习下的注意力机制增强了模型的可解释性，可在图像中定位出癌细胞的位置以辅助医生进行诊断。
-
公开(公告)号：CN113759263A
公开(公告)日：2021-12-07
申请号：CN202110982756.0
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/387 , G01R31/382
Abstract: 本发明公开了一种关于人工智能预测锂离子电池荷电状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池荷电状态的方法，具体操作步骤如下：S1、检测出锂电池的SOC值a、SOC值b以及SOC值c，S2、控制芯片根据预置参数对电动汽车内锂电池进行对比，S3、外部温度以及电流状态进行对比得到电动汽车荷电状态，S3、控制芯片将S4步骤得到的荷电状态发送至电动汽车的主控面板上。该关于人工智能预测锂离子电池荷电状态的方法，可以对不同电池运行时温度以及锂电池运行时电流的荷电状态进行估算，适用范围广，提高了预测的可靠性和准确度，大大节约了时间成本，提高了检测效率，便于快速准确估算电池的健康状态。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
