-
公开(公告)号：CN119928667A
公开(公告)日：2025-05-06
申请号：CN202510195748.X
申请日：2025-02-21
Applicant: 重庆大学
Abstract: 本发明涉及一种基于数据驱动的新能源汽车续驶里程估计方法，属于电池技术领域。该方法包括：收集对应车型的新能源汽车的运行数据，建立新能源汽车运行数据库；基于充电数据与数据增强技术建立估计模型，根据估计结果和安培积分方法计算车辆当前可用总容量；基于Pearson相关系数指标从续驶里程估计特征集中提取与续航里程具有相关性的充电特征集和行驶特征集；根据选定的充电特征集与行驶特征集，基于XGBoost构建续驶里程估计模型，通过续驶里程估计模型进行续驶里程估计。本发明利用车辆历史运行数据计算出电池当前可用总能量，有效考虑电池老化对续驶里程的影响，从电池状态和驾驶行为提取特征，全面反映车辆运行的实际状况。
-
公开(公告)号：CN119861304A
公开(公告)日：2025-04-22
申请号：CN202411965897.1
申请日：2024-12-30
Applicant: 重庆大学 , 中国汽车工程研究院股份有限公司 , 中检汽车测评技术(深圳)有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G06F18/2321 , G06F18/2337 , G06F18/23213 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及一种面向实车工况的电池故障辨识方法，属于电池技术领域。该方法包括以下步骤：S1：收集电动汽车的电池运行数据，包含电池包中各个单体的运行数据，建立电池运行数据库；S2：根据所收集到的电池数据，利用相关性系数法筛选出和单体电压具有高相关性的特征；S3：建立准确的电压估计模型；S4：将电动汽车实时的动力电池运行数据输入S3中训练好的模型中，基于实时电压和模型估计电压的残差，判断是否有故障出现；S5：当检测到故障产生，设计滑动窗口提取故障的敏感特征，构建故障特征二维图；S6：利用无监督聚类算法辨识检测到的故障是电池故障还是传感器读数异常。本发明可以大幅降低误报和错报的风险。
-
公开(公告)号：CN119986443A
公开(公告)日：2025-05-13
申请号：CN202510188963.7
申请日：2025-02-20
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明涉及一种融合物理信息的锂离子电池健康状态估计方法，属于电池技术领域，包括以下步骤：S1：搜集同一车型的新能源汽车运行数据，包含充放电数据，建立新能源汽车运行数据库；S2：基于电池充电数据进行健康特征提取并计算容量标签；S3：基于前馈神经网络建立锂离子电池健康状态估计模型，定义融合物理信息的损失函数，利用梯度下降方法对模型进行训练；S4：基于训练的模型对新能源汽车锂离子电池健康状态进行估计。本发明解决了深度学习黑箱方法可解释性差、特征利用能力弱的缺点；同时结合了神经网络模型有效提取高维抽象特征的优点和模型能够正确理解物理信息特征对电池老化潜在影响的优点。
-
公开(公告)号：CN118169567B
公开(公告)日：2025-03-04
申请号：CN202410207980.6
申请日：2024-02-26
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种基于实际运行数据的锂离子电池自适应安全预警方法，属于电池诊断技术领域。该方法选取电压最大值和最小值的差值、温度最大值作为融合特征输入，利用数据增强技术，建立增强矩阵；选取恰当的核函数，将增强矩阵映射到高维特征空间，进而计算增强核马氏距离；根据切比雪夫不等式，计算出自适应阈值，定位出预警时间；基于滑动窗口中位数离群值，确定出多级预警值，并定位异常单体。本方法能够应用于实际运行的锂离子电池组，以热失控车辆数据作为研究对象，通过未发生热失控前的正常电池数据获取相关参数，然后可以计算出该车辆任意时刻的预警指标，通过计算多级自适应阈值，实现热失控的及时预警。
-
公开(公告)号：CN118205445B
公开(公告)日：2025-02-18
申请号：CN202410143182.1
申请日：2024-02-01
Applicant: 重庆大学
IPC: B60L58/12 , G01R31/367 , G01R31/387 , G01R31/00
Abstract: 本发明涉及一种模型与数据融合驱动的增强型车载电池荷电状态估计方法，属于电池技术领域。该方法由基于模型且参数实时更新的荷电状态SOC估计器和基于机器学习算法的SOC映射网络并联构成，能够根据车辆运行工况自动匹配最佳SOC估计方法。首先进行车辆运行工况自适应识别，若车辆处于随机动态工况，则选择基于物理模型且参数实时更新的SOC估计器，通过强化学习算法优化估计器的初始谐调参数，实现车载电池参数及SOC的联合估计；若车辆处于连续恒流工况，则选择基于机器学习算法的映射网络实现车载电池SOC的准确估计。与单一的电池SOC估计方法相比，本发明在实际应用中具有更高的准确性、鲁棒性以及泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118501699A
公开(公告)日：2024-08-16
申请号：CN202410595376.5
申请日：2024-05-14
Applicant: 重庆大学
IPC: G01R31/36 , G01R31/396 , G01R31/367 , G01R31/392 , G01R31/385 , B60L58/10 , G06F18/27 , G06N3/047
Abstract: 本发明涉及一种动力电池的安全风险评估方法，属于电池技术领域。该方法包括：收集电气化设备电池包的运行数据，以及电池包中各个单体的单体运行数据，并建立电池运行数据库；根据所收集到的电池数据，利用相关性系数法筛选出与单体电压相关的高相关性特征；构建自适应阈值模型，并根据筛选出的与单体电压相关的高相关性特征对自适应阈值模型进行训练；采集动力电池的实时运行数据输入训练完成的自适应阈值模型，得到基于单体电压的置信区间，并计算实时平均单体电压置信区间的电压差的累计和；构建安全风险评价函数，并将电压差的累计和作为安全风险函数的输入，计算得到该电池单体当前的安全风险。本发明可对各个单体的安全风险进行实时评估。
-
公开(公告)号：CN117825957A
公开(公告)日：2024-04-05
申请号：CN202311630565.3
申请日：2023-11-30
IPC: G01R31/367 , G01R31/396 , G01R31/385 , G06F17/18 , G06N3/047 , G06F18/22 , G06F18/213 , G06F18/2415
Abstract: 本发明涉及一种动力电池的故障检测方法，属于电池系统的安全评估领域。该方法包括：S1：收集电动汽车正常运行的动力电池数据，包含动力电池包中各个单体的运行数据，建立动力电池数据库；S2：根据所收集到的电池数据，利用相关性系数法筛选出和单体电压相关的特征；S3：基于S2中所提取到的特征，利用机器学习算法建立动力电池的实时故障检测模型；S4：将电动汽车实时的动力电池数据输入S3中训练好的模型，若实时的单体电压超出S3中模型所输出的置信区间，则说明出现故障；若实时的单体电压在S3中模型所输出的置信区间内，则说明电池运行正常。本发明可以有效实现对电动汽车动力电池故障的实时检测，并准确定位出现故障的单体。
-
公开(公告)号：CN119986392A
公开(公告)日：2025-05-13
申请号：CN202510188964.1
申请日：2025-02-20
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/389
Abstract: 本发明涉及一种基于模糊策略引导PI观测器的锂离子电池内阻与SOC联合估计方法，属于电池技术领域，包括以下步骤：S1：设计合适的扩展PI观测器，将锂离子电池的内阻转化为增广状态，对内阻和SOC进行联合估计；S2：开发基于信息融合和模糊逻辑引导的智能策略，基于步骤S1所设计的扩展P观测器，使用低密度异常点检测LOD概念，结合基于知识的模糊逻辑，实时检测模型的不确定性；S3：根据自定义规则，改变控制逻辑，调节电池内部极化，实现建模缺陷的及时补偿，确保准确的SOC估计。
-
公开(公告)号：CN119414238A
公开(公告)日：2025-02-11
申请号：CN202410575174.4
申请日：2024-05-10
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/392 , G01D21/02 , G06F18/214 , G06F18/27 , G06N3/0499 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及一种基于半监督回归与协同训练的电池健康状态估计方法，属于电池技术领域。该方法为：S1：收集电动汽车的运行数据，建立电池运行数据库；S2：采用安培积分公式和开路电压校正策略计算电池健康状态标签；S3：分别基于Pearson相关系数和灰色关联梯度指标提取与电池健康状态高度相关的健康指标集；S4：根据选定的健康指标集，利用半监督协同训练来估计未标记数据的伪标签以增强训练数据集，基于多层感知器构建电池健康状态估计模型；S5：将提取健康指标集后的测试数据作为电池健康状态估计模型的输入，得到估计的电池健康状态。本发明提高了标记数据有限情况下的电池健康状态估计精度。
-
公开(公告)号：CN118914901A
公开(公告)日：2024-11-08
申请号：CN202411004524.8
申请日：2024-07-25
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/385 , G01R31/389
Abstract: 本发明涉及一种基于弛豫时间和无监督学习的锂离子电池组内短路故障诊断方法，属于电池技术领域。其包括：收集电气化设备电池包的运行数据，以及电池包中各个单体的单体运行数据，并建立电池运行数据库；根据所收集到的电池数据，筛选出电池包充电结束后的静置阶段各单体的弛豫电压；从各单体的弛豫电压中提取出弛豫时间变化曲线，并截取暂态过程稳定程度系数α在预设范围内的片段作为特征弛豫时间片段；根据统计学原理在特征弛豫时间片段的基础上提取故障特征；利用局部离群因子算法对各单体进行内短路故障识别并对其故障严重程度进行评分。本发明能够有效地对电池包进行内短路故障检测和故障程度评分。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
