利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

28 条记录 (耗时 0.066 秒)

    基于典型特征向量的动力电池筛选方法
    1.
    发明公开
    基于典型特征向量的动力电池筛选方法 审中-实审

    公开(公告)号：CN112287980A

    公开(公告)日：2021-01-29

    申请号：CN202011094434.4

    申请日：2020-10-14

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  李穷 ,  李雅欣 ,  谭宇良

    IPC分类号： G06K9/62

    摘要： 本发明公开了一种典型特征向量的动力电池筛选方法。该方法的包括以下步骤：获取若干已知状态的动力电池的充放电电压信号，并提取电压信号特征，形成特征向量；根据相同类型样本在各特征变量的数值，估计各个特征的概率密度函数，利用抽样方法生成若干新样本；利用聚类方法聚合新样本，形成多个具有代表性的典型特征向量；计算待检测动力电池的特征向量与每一类型各个典型特征向量的余弦相似度，辨识待检测动力电池的健康状态。通过本发明的筛选方法，避免了小样本情况下传统分类模型过拟合问题以及数据不平衡造成的偏差，提高了动力电池筛选的实用性，同时可以更清晰了解不同故障下动力电池的典型特征情况，为更好地定义动力电池状态奠定基础。

    一种面向退役动力电池的筛选方法
    3.
    发明授权
    一种面向退役动力电池的筛选方法 有权

    公开(公告)号：CN112505551B

    公开(公告)日：2023-01-10

    申请号：CN202011484044.8

    申请日：2020-12-16

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  李穷 ,  李雅欣 ,  王哲

    IPC分类号： G01R31/367

    摘要： 本发明涉及一种面向退役动力电池的筛选方法。包括如下过程：提取若干同型号退役后动力电池充放电过程电压信号n个特征变量，并利用聚类方法形成K个类别簇，选出代表各簇的典型样本X(core,k)；根据待测动力电池的特征变量X(test)，计算特征变量间比重，并构成判断矩阵A，进而获得特征向量并归一化得到ωa；计算以每个特征下不同类别簇间比重组成判断矩阵Bn的特征向量，并归一化处理后组成矩阵C；计算C×ωa获得待测动力电池的决策向量，并选择决策向量元素中最大值对应的类别为待测动力电池类型。与现有方法相比，本发明全程无参数的计算过程，降低了人为因素影响。

    一种退役动力电池的聚类分选方法
    6.
    发明公开
    一种退役动力电池的聚类分选方法 审中-实审 转让

    公开(公告)号：CN112651431A

    公开(公告)日：2021-04-13

    申请号：CN202011479510.3

    申请日：2020-12-16

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  王力 ,  李穷 ,  李雅欣

    IPC分类号： G06K9/62 ,  G06N3/12

    摘要： 本发明涉及一种退役动力电池的聚类分选方法。测量n个被拆解退役动力电池单体样本的电压数据，提取m个特征变量并标幺，计算各样本特性向量间距离d，形成相似度矩阵A；以样本数量n、聚类簇数量K定义用于分选的编码长度以及编码位取值，以聚类簇族能量选择优质分选编码，并利用交叉、变异、重插等遗传演化操作，形成对大量退役电池单体的K个聚类簇族；计算各聚类簇族中心及该簇族中样本的最大偏差，形成置信域；基于待检测退役动力电池单体特征向量与各聚类簇族中心距离及置信域关系，完成分选及分选可靠性判断。本发明将遗传的优化思想融入聚类过程中，保证了聚合过程的优化方向，提升了退役动力电池分选聚类过程的优化水平。

    基于差异演化的互补分类回归树的故障诊断方法及系统
    7.
    发明公开
    基于差异演化的互补分类回归树的故障诊断方法及系统 审中-实审

    公开(公告)号：CN112507790A

    公开(公告)日：2021-03-16

    申请号：CN202011211079.4

    申请日：2020-11-03

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  李雅欣 ,  李穷 ,  谭宇良

    IPC分类号： G06K9/00 ,  G06K9/62

    摘要： 本发明涉及一种基于差异演化的互补分类回归树的故障诊断方法及系统。该方法包括：获取样本集合；样本集合包括多种故障类别对应的样本信号，每个样本信号为对应故障类型下设备的运行信号；对样本集合中每个样本信号进行分析，得到所有样本特征向量组成的样本特征向量集合；根据样本特征向量集合，以遗传算法为差异性演化基础获得互补分类回归树模型；互补分类回归树模型包括原始分类回归树和互补分类回归树；基于分类回归树所有叶节点的基尼指数之和与叶节点数量，确定互补分类回归树模型中最优的分类回归树，得到设备的故障诊断模型；基于设备的运行信号，采用设备的故障诊断模型对设备进行故障诊断。本发明可以提高设备故障诊断的性能。

    一种面向退役动力电池的筛选方法
    8.
    发明公开
    一种面向退役动力电池的筛选方法 有权

    公开(公告)号：CN112505551A

    公开(公告)日：2021-03-16

    申请号：CN202011484044.8

    申请日：2020-12-16

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  李穷 ,  李雅欣 ,  王哲

    IPC分类号： G01R31/367

    摘要： 本发明涉及一种面向退役动力电池的筛选方法。包括如下过程：提取若干同型号退役后动力电池充放电过程电压信号n个特征变量，并利用聚类方法形成K个类别簇，选出代表各簇的典型样本X(core,k)；根据待测动力电池的特征变量X(test)，计算特征变量间比重，并构成判断矩阵A，进而获得特征向量并归一化得到ωa；计算以每个特征下不同类别簇间比重组成判断矩阵Bn的特征向量，并归一化处理后组成矩阵C；计算C×ωa获得待测动力电池的决策向量，并选择决策向量元素中最大值对应的类别为待测动力电池类型。与现有方法相比，本发明全程无参数的计算过程，降低了人为因素影响。

    基于典型特征向量的动力电池筛选方法
    9.
    发明授权
    基于典型特征向量的动力电池筛选方法 有权

    公开(公告)号：CN112287980B

    公开(公告)日：2023-06-23

    申请号：CN202011094434.4

    申请日：2020-10-14

    申请人： 北方工业大学 ,  北京联智汇能科技有限公司 ,  安徽绿沃循环能源科技有限公司

    发明人： 马速良 ,  李建林 ,  李金林 ,  李穷 ,  李雅欣 ,  谭宇良

    IPC分类号： G06F18/2411 ,  G06F18/23 ,  G06F18/214

    摘要： 本发明公开了一种典型特征向量的动力电池筛选方法。该方法的包括以下步骤：获取若干已知状态的动力电池的充放电电压信号，并提取电压信号特征，形成特征向量；根据相同类型样本在各特征变量的数值，估计各个特征的概率密度函数，利用抽样方法生成若干新样本；利用聚类方法聚合新样本，形成多个具有代表性的典型特征向量；计算待检测动力电池的特征向量与每一类型各个典型特征向量的余弦相似度，辨识待检测动力电池的健康状态。通过本发明的筛选方法，避免了小样本情况下传统分类模型过拟合问题以及数据不平衡造成的偏差，提高了动力电池筛选的实用性，同时可以更清晰了解不同故障下动力电池的典型特征情况，为更好地定义动力电池状态奠定基础。