-
公开(公告)号：CN119986394A
公开(公告)日：2025-05-13
申请号：CN202510236650.4
申请日：2025-02-28
Applicant: 西安交通大学
IPC: G01R31/367 , G01R31/378 , G01R31/374 , G01K13/00
Abstract: 本发明一种锂离子电池无传感器温度估计方法及系统，该方法包括：将已有的数据集分为源域数据集与目标域数据集；对源域数据集中的电压、电流数据进行数据处理；将源域数据集中的温度信号和进行数据增强后的电压、电流数据输入到iTransform模型中进行预训练，并保存；将目标域数据集中的电压、电流数据进行数据处理过程；构建与上一步中同类的模型，并复制预训练模型的参数；将处理后的电压电流数据和目标域数据集中前30％的温度数据输入新模型进行再训练，最后预测目标域数据集后70％的温度曲线。该系统包括数据分集模块、源域数据处理模块、目标域数据处理模块、新模型构建模块和预测模块。本发明既能够保证温度估计的精度，又能提高模型的泛化能力。
-
公开(公告)号：CN119397911A
公开(公告)日：2025-02-07
申请号：CN202411560930.2
申请日：2024-11-04
Applicant: 西安交通大学
IPC: G06F30/27 , G01R31/367 , G01K13/00 , G06F17/13 , G06N3/045 , G06N3/084 , G06N3/048 , G06F111/04 , G06F111/10 , G06F119/08
Abstract: 本发明公开了一种大容量储能锂离子电池温度场的预测方法及系统，该方法包括：获取待预测锂离子电池少数温度测点的温度值；将获取的温度值输入至预设的物理信息‑神经网络模型中进行预测，得到待预测锂离子电池电芯的温度场；其中，预设的物理信息‑神经网络模型包括：基础神经网络部分和物理信息融合部分，物理信息融合部分在神经网络训练过程中加入了电池传热微分方程和电池边界条件作为物理信息约束，神经网络中的损失函数包括边界损失、偏微分方程损失和观测数据集损失。该系统包括：数据获取模块和数据处理模块。本发明将神经网络算法与锂电池传热模型结合，实现对大容量电池的温度场反演。
-
公开(公告)号：CN118761302A
公开(公告)日：2024-10-11
申请号：CN202410984226.3
申请日：2024-07-22
Applicant: 西安交通大学
Abstract: 本发明电化学模型及粒子滤波的锂电池荷电状态估计方法及系统，该方法包括：将锂电池电化学模型参数分为三类，包括开路电压相关参数、动力学参数和电解质参数；使用物理信息‑神经网络的框架，在神经网络训练过程中加入了锂电池电化学模型的框架，得到锂电池电化学模型的物理信息神经网络模型；基于物理信息神经网络模型，结合开路电压相关参数、动力学参数和电解质参数在实际运行中的精度，分别在0.05C恒流放电、新欧洲循环测试工况和1C恒流放电下对参数进行辨识。该系统包括参数分类模块、模型搭建模块和参数辨识模块。本发明对低灵敏度的参数依然具有较高的精度，同时，能够使用较少的训练数据实现理想的效果。
-
公开(公告)号：CN119270114A
公开(公告)日：2025-01-07
申请号：CN202411374752.4
申请日：2024-09-29
Applicant: 西安交通大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G01R31/3842 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明公开了基于对抗防御策略的锂电池健康状态估计的方法及系统，该方法包括：获取待检测锂电池的电压和电流，对部分片段的电流进行安时积分，得到部分片段的电压和容量的曲线；基于部分片段的电压和容量的曲线，选取曲线上若干电压对应的容量；将选取的曲线部分片段若干电压值对应的容量输入至预设的锂电池健康状态估计模型，得到锂电池健康状态估计值，其中预设的锂电池健康状态估计模型基于卷积残差网络和对抗攻击的防御策略进行训练所获得的。该系统包括数据获取模块、数据选取模块和数据处理模块。本发明可以对正常的输入样本较为准确地估计SOH，同时针对对抗性攻击的输入样本仍具有较为准确的SOH估计。
-
-
-
Search Results
4
records
(took 0.017 seconds)
