-
公开(公告)号：CN102169168A
公开(公告)日：2011-08-31
申请号：CN201110127488.0
申请日：2011-05-17
Applicant: 杭州电子科技大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于粒子滤波的电池剩余电量估计方法。现有方法不能满足在线检测要求，并且精度差。本发明方法首先测量在时刻的电池端电压和电池供电电流，然后用状态方程和观测方程表示电池的各个时刻的荷电状态，再执行初始化过程，采用粒子滤波算法进行循环递推，递推所得到的状态估计值即为当前时刻所估计得到的电池剩余电量。本发明方法可以方便地进行电池剩余电量的快速估计，收敛速度快、估计精度高。
-
公开(公告)号：CN101598769B
公开(公告)日：2011-04-20
申请号：CN200910100280.2
申请日：2009-06-29
Applicant: 杭州电子科技大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于采样点卡尔曼滤波的电池剩余电量估计方法。现有方法不能满足在线检测要求，并且精度差。本发明方法首先测量在k时刻的电池端电压yk和电池供电电流ik，然后用状态方程和观测方程表示电池的各个时刻的荷电状态，再执行初始化过程，采用采样点卡尔曼滤波算法进行循环递推，递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。本发明方法可以方便地进行电池剩余电量的快速估计，收敛速度快、估计精度高。
-
公开(公告)号：CN101598769A
公开(公告)日：2009-12-09
申请号：CN200910100280.2
申请日：2009-06-29
Applicant: 杭州电子科技大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于采样点卡尔曼滤波的电池剩余电量估计方法。现有方法不能满足在线检测要求，并且精度差。本发明方法首先测量在k时刻的电池端电压yk和电池供电电流ik，然后用状态方程和观测方程表示电池的各个时刻的荷电状态，再执行初始化过程，采用采样点卡尔曼滤波算法进行循环递推，递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。本发明方法可以方便地进行电池剩余电量的快速估计，收敛速度快、估计精度高。
-
公开(公告)号：CN101409819A
公开(公告)日：2009-04-15
申请号：CN200810162156.4
申请日：2008-11-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于声纹的数码相机图片加密解密方法。目前的数码相机普遍没有数据加密功能。本发明的图片加密方法首先对用户的声音进行声纹训练产生声纹模板数据，然后将照片进行JPEG编码，再将前两个字节修改为十六进制数据0xEE和0xCC，将声纹模板数据的每一个字节依次与编码后的照片数据进行按位异或操作。图片解密方法首先将身份认证声纹特征与声纹模板进行匹配，然后将十六进制数据0xEE和0xCC的照片数据修改为0xFFD8，将声纹模板数据的每一个字节依次与加密后的照片数据进行按位异或操作，直至声纹模板数据全部用完为止。本发明方法具有相对稳定性和相对唯一性，具有方便、安全、不易破解的特点。
-
公开(公告)号：CN119936668A
公开(公告)日：2025-05-06
申请号：CN202510031367.8
申请日：2025-01-09
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/392 , G01R31/389 , G01R31/396 , G06N3/0442 , G06N3/084 , G06F18/213 , G06F18/24
Abstract: 本发明公开了考虑内阻的高压电池包状态估计联合故障诊断方法，该方法首先从高压电池包端获取微内阻数据，将高压电池包的微内阻数据和高压电池包长期运行数据，组成高压电池包原始数据集。其次对于高压电池包原始数据集中的数据进行相关性分析。然后搭建SOH估计网络，将相关性分析得到的数据输入SOH估计网络，得到SOH估计值。最后故障诊断网络搭建，以高压电池包微内阻、电池SOC和电池SOH估计值为输入，输出故障诊断结果，本发明不仅能够实现多场景下高压电池包联合SOH精准估计和故障诊断，还能提升电池状态监测与预测的效率，有助于提高电池使用寿命与运行安全性。
-
Patent Agency Ranking
公开(公告)号：CN119918175A
公开(公告)日：2025-05-02
申请号：CN202411960877.5
申请日：2024-12-30
Applicant: 杭州电子科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/08 , B60C99/00 , G06F119/14
Abstract: 本发明公开了一种基于LSTM辅助扩展卡尔曼滤波的轮胎载荷状态识别方法，包括如下步骤：S1.建立车辆7自由度垂向动力学模型；S2.准备观测量和状态向量数据，作为训练数据集；S3.基于训练集数据对神经网络进行训练；S4.通过车体和轴桥安装的传感器获取观测量。S5.输入观测量数据通过神经网络辅助的扩展卡尔曼滤波器预测车轮垂向力，其中卡尔曼增益系数由LSTM确定；该方法融合扩展卡尔曼滤波和LSTM网络，使用LSTM网络对卡尔曼增益系数进行预测，从而在降低对精确动力学模型的需求的同时，提高扩展卡尔曼滤波的预测精度。
-
公开(公告)号：CN119805277A
公开(公告)日：2025-04-11
申请号：CN202510002115.2
申请日：2025-01-02
Applicant: 杭州电子科技大学
IPC: G01R31/389 , G01R31/392 , G01R27/14
Abstract: 本发明公开了一种基于谐振耦合的高压电池微内阻测量装置，该装置中主控制器通过模拟输出端口与激励调理电路连接，通过模拟输入端口、数字输出端口与开关相位检测电路连接，激励调理电路与交流电流源电路直接连接，交流电流源电路与耦合电路直接连接，耦合电路内电池接口与采样放大电路通过电容隔离后连接，采样放大电路与开关相位检测电路直接连接。本发明可兼容0V‑2500V的无源与有源器件阻抗测量，测得400V、800V平台汽车电池内阻，兼容750V、1500V、2500V储能电站整站、整组的内阻测试，且支持在充放电过程中测量。
-
公开(公告)号：CN116467580B
公开(公告)日：2025-03-21
申请号：CN202310431133.3
申请日：2023-04-21
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/08 , H01M10/42 , H01M10/0525 , G06F119/04
Abstract: 本发明公开了一种基于TTSNet的锂离子电池SOH估算与RUL预测方法，包括如下步骤：S1、构建TTSNet网络模型；S2、通过时序transformer的特征提取网络分别通过相应的提取支路对预处理后的电池数据中电压、电流和温度数据进行特征提取，得到丰富的语义信息特征；S3、通过AGFF的特征融合网络，对提取的语义信息特征进行自适应融合，得到神经网络的预测输出；S4、基于TTSNet网络模型的SOH估算与RUL预测。该方法不仅可以自适应提取并交互锂离子电池输入时间序列中的有用信息，还考虑到长时间序列电压、电流、温度与容量之间的相关性，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力。最终得到实时、高精度的SOH估算与RUL预测结果。
-
公开(公告)号：CN119559108A
公开(公告)日：2025-03-04
申请号：CN202411614531.X
申请日：2024-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于陷波滤波与引导滤波的红外图像非均匀校正方法，包括以下步骤：输入红外焦平面阵列图像，将输入图像进行离散傅里叶变换，得到振幅谱和相位谱，通过对振幅谱的中心频谱区域做预测，估计陷波滤波器补偿参数，进而构造陷波滤波器；将振幅谱通过所构造陷波滤波器，得到滤波后的新振幅谱，利用滤波后新的振幅谱和原始的相位谱，经过离散傅里叶逆变换得到滤波后的背景图层；将原始输入红外焦平面阵列图像和滤波后的背景图层作差，得到噪声图，利用各向异性引导滤波，对正则化系数进行加权改进，从噪声图中提取部分细节图层；叠加所有细节图层，输出校正结果。该方法能有效克服非均匀校正过程中图像细节丢失的问题。
-
公开(公告)号：CN117970155A
公开(公告)日：2024-05-03
申请号：CN202410114943.0
申请日：2024-01-26
Applicant: 杭州电子科技大学
IPC: G01R31/392
Abstract: 本发明公开了基于老化因子和混叠网络的梯次利用电池状态估计方法，该方法从退役电池在梯次利用期间的实验数据中提取老化因子，并利用皮尔逊相关系数筛选与真实电池容量之间的具有强关联性的老化因子。搭建时间‑通道混叠网络模型，将筛选后的老化因子作为网络模型的输入，对应的电池容量作为网络输入标签，进行自适应融合，得到预测的电池健康状态。本方法设计了用于梯次利用期间退役电池的健康状态估计方法，充分考虑退役电池的复杂性和多样性，使用多维老化因子作为网络模型输入，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力，测量过程简单，并能够及时、准确估算已退役电池在梯次利用期间的电池健康状态。
-
-
-
-
-
-
-
-
-
Search Results
344
records
(took 0.026 seconds)
