-
公开(公告)号：CN114487890B
公开(公告)日：2024-11-26
申请号：CN202210094201.7
申请日：2022-01-26
Applicant: 中南大学
IPC: G01R31/392
Abstract: 本发明公开了一种改进长短期记忆神经网络的锂电池健康状态估计方法。其步骤为：获取锂电池实验数据集；根据容量计算电池实际的健康状态，提取若干个能够表征电池健康状态的老化特征并对特征数据进行标准化处理；初始化相关参数并建立改进的长短期记忆神经网络模型，确定网络中需要优化的参数；对改进的长短期记忆神经网络估计模型进行训练；将训练得到的最优参数值作为长短期记忆神经网络模型中对应的值来进行锂离子电池健康状态的估计。本发明能够有效提高锂离子电池健康状态的估计精度。
-
公开(公告)号：CN118899822A
公开(公告)日：2024-11-05
申请号：CN202410943543.0
申请日：2024-07-15
Applicant: 中南大学
Abstract: 本发明提供一种直流微电网的控制方法及电子设备，方法包括采集每个电池储能单元双向变换器的输出电流、输出电压和电感电流；通过电压电流双闭环电路和下垂控制作为一次控制，实现基本功率分配；二次控制时，基于相邻电池储能单元的双向变换器之间的通信，获取邻居双向变换器的输出电流信息和下垂系数，结合协同一致性获取功率分配的偏差值，获得功率分配修正项；基于相邻电池储能单元的双向变换器之间的通信，获取邻居双向变换器的输出电压信息，输入到模型预测控制器中，根据预测模型和成本函数获得电压恢复控制量，获得电压修正项；将功率分配修正项和电压修正项均添加到一次控制的参考电压上；本发明能够实现功率精确分配和母线电压恢复。
-
公开(公告)号：CN114771520B
公开(公告)日：2024-08-02
申请号：CN202210331495.0
申请日：2022-03-31
Applicant: 中南大学
IPC: B60W30/14 , B60W40/00 , B60W40/10 , B60W40/105 , B60W30/09
Abstract: 本发明提供了一种基于强化学习的电动汽车经济性自适应巡航控制方法及系统，所述方法包括：建立跟驰系统的马尔科夫模型；根据强化学习中Actor‑Critic算法，设计自适应巡航控制器；根据自适应巡航控制器的速度控制信号，根据逆动力学模型转化为加速/减速踏板卡开度，控制车辆安全跟随前车。本发明能够实现安全、舒适、平稳的跟随前车，避免碰撞行为发生，自适应能力较好。与只考虑驾驶安全的控制策略相比，在相同驾驶周期内，电池荷电状态有所提高。
-
公开(公告)号：CN114572053B
公开(公告)日：2024-08-02
申请号：CN202210212931.2
申请日：2022-03-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于工况识别的电动汽车能量管理方法及系统，其方法包括：构建三种工况模式下基于神经网络的能量管理模型；采集实时的行驶工况速度数据，通过滑动窗口提取工况段特征，并进行主成分分析；将特征参数输入模糊逻辑，得到工况识别结果；根据工况识别结果，选择分类结果所对应的基于神经网络的能量管理模型；将超级电容和锂电池的电流电压以及速度信息特征输入到训练好的神经网络模型中，得到超级电容的参考电流，实现实时能量管理。本发明根据工况实时调整能量管理策略，充分利用了超级电容的优点，有效延长了锂电池的寿命。
-
公开(公告)号：CN118405032A
公开(公告)日：2024-07-30
申请号：CN202410878421.8
申请日：2024-07-02
Applicant: 中南大学
Abstract: 本发明提供一种重载列车实时负载调度的稳压控制方法及装置，其中方法包括：S1、计算自主型负载的可调度性，并将可调度性添加到自主型负载的属性中；S2、实时检测每一时刻的待执行的自主型负载，并维护待执行负载队列；S3、更新当前总功率需求，总功率需求包括自主型负载的功率和事件触发型负载的功率；实时将更新后的总功率传输给控制系统的前馈补偿器，作为前馈输入补偿；S4、按照待执行负载队列中自主型负载优先级的大小，为自主型负载搜索最佳执行时间，并将获得的最佳执行时间传输给负载决策系统执行；S5、当有事件触发型负载触发时，重复步骤S2~S4；本发明能够基于实时负载进行调度达到有效控制母线电压保持稳定的目的。
-
Patent Agency Ranking
公开(公告)号：CN116501027A
公开(公告)日：2023-07-28
申请号：CN202310784140.1
申请日：2023-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种分布式制动系统健康评估方法、系统、设备及存储介质，其中方法包括：对于充风电磁阀和排风电磁阀，基于其驱动电流曲线计算其健康评估指标，并输入至电磁阀健康评估模型以得到其健康状态；对于分布式制动系统中其他部件，根据失效率、可靠度、有效度和重要度计算其健康状态；对于三个压力控制模块，提取其阶段性特征和跟随性特征计算其健康状态指标；然后根据分布式制动系统当前状态下所处的制动功能模式建立包含部件‑模块‑系统三个层次的贝叶斯网络模型；根据各节点的后验概率和前述计算的部件节点的健康状态，基于贝叶斯网络模型计算得到分布式制动系统的健康状态。可以实现分布式制动系统健康状态的准确评估。
-
公开(公告)号：CN116215324A
公开(公告)日：2023-06-06
申请号：CN202310518911.2
申请日：2023-05-10
Applicant: 中南大学
IPC: B60L58/26 , H01M10/613 , H01M10/625 , H01M10/633
Abstract: 本发明公开了一种重载货运列车自组网电池系统制冷方法、系统及介质，其中方法包括：实时获取重载货运列车行驶过程中主牵引电机消耗的牵引功率、车载电池温度；若车载电池温度大于或等于阈值温度，则采用快速制冷策略获取电池制冷功率给定值；若车载电池温度小于阈值温度，且大于或等于目标温度，则采用慢速制冷策略获取电池制冷功率给定值；若车载电池温度小于目标温度，则采用电池保温策略获取电池制冷功率给定值；根据得到的电池制冷功率给定值，执行电池制冷。该方法能够基于实时车载电池温度、牵引功率确定电池热管理系统所需的电池制冷功率，进而抑制电池老化。
-
公开(公告)号：CN114771520A
公开(公告)日：2022-07-22
申请号：CN202210331495.0
申请日：2022-03-31
Applicant: 中南大学
IPC: B60W30/14 , B60W40/00 , B60W40/10 , B60W40/105 , B60W30/09
Abstract: 本发明提供了一种基于强化学习的电动汽车经济性自适应巡航控制方法及系统，所述方法包括：建立跟驰系统的马尔科夫模型；根据强化学习中Actor‑Critic算法，设计自适应巡航控制器；根据自适应巡航控制器的速度控制信号，根据逆动力学模型转化为加速/减速踏板卡开度，控制车辆安全跟随前车。本发明能够实现安全、舒适、平稳的跟随前车，避免碰撞行为发生，自适应能力较好。与只考虑驾驶安全的控制策略相比，在相同驾驶周期内，电池荷电状态有所提高。
-
公开(公告)号：CN114572053A
公开(公告)日：2022-06-03
申请号：CN202210212931.2
申请日：2022-03-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于工况识别的电动汽车能量管理方法及系统，其方法包括：构建三种工况模式下基于神经网络的能量管理模型；采集实时的行驶工况速度数据，通过滑动窗口提取工况段特征，并进行主成分分析；将特征参数输入模糊逻辑，得到工况识别结果；根据工况识别结果，选择分类结果所对应的基于神经网络的能量管理模型；将超级电容和锂电池的电流电压以及速度信息特征输入到训练好的神经网络模型中，得到超级电容的参考电流，实现实时能量管理。本发明根据工况实时调整能量管理策略，充分利用了超级电容的优点，有效延长了锂电池的寿命。
-
公开(公告)号：CN113259284B
公开(公告)日：2022-05-24
申请号：CN202110520590.0
申请日：2021-05-13
Applicant: 中南大学
IPC: H04L25/03
Abstract: 本发明公开了一种基于Bagging和长短期记忆网络的信道盲均衡方法及系统，该方法包括如下步骤，建立基于长短期记忆网络的信道盲均衡模型；采用Bagging算法对长短期记忆网络盲均衡模型进行优化；对得到的模型进行训练，得到最佳的参数设置；利用训练好的盲均衡模型对新数据进行均衡。在保证神经网络对非线性良好的拟合前提下，通过引入长短期记忆网络解决了神经网络盲均衡过程中参数寻优困难和易于陷入局部最优解的问题。此外，基于改进常模算法MCMA消除了信道对于传输信号在幅值和相位两个方面的影响，使得本发明技术方案更具适应性，适用的信道环境更广，能够提升神经网络类均衡器在时变信道的均衡性能。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.07 seconds)
