-
公开(公告)号：CN107241033B
公开(公告)日：2019-08-23
申请号：CN201710647462.6
申请日：2017-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明为一种基于电流‑位置的开关磁阻电机转矩脉动抑制方法与系统。本方法的基于电流‑位置神经网络模型直接由转子位置角计算相电流平方之和，作为参考总电流，再通过分配函数得到三相参考电流。三相参考电流与三相实测电流的差作为电流迟滞控制器的输入信号，控制开关磁阻电机的运行。本系统信号处理器连接电流传感器、转矩传感器和位置传感器接收信号，电流‑位置神经网络模块和电流分配模块运算得电流迟滞控制器的输入信号，控制功率驱动器，驱动SRM。本发明根据相电流平方之和与转子位置角的周期性关系，设计电流‑位置神经网络模型，有效地降低SRM的转矩脉动。
-
-
公开(公告)号：CN105891727B
公开(公告)日：2018-10-19
申请号：CN201610412667.1
申请日：2016-06-13
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为一种双变结构滤波的动力电池荷电状态SOC的估计方法与系统，本法步骤为：先建立电池等效模型，采用第一变结构滤波对动力电池模型的参数辨识，拟合动力电池开路电压OCV与SOC关系，再用第二变结构滤波的估算SOC。变结构滤波参数ββ值对修正增量影响较大，引入模糊规则自适应调整ββ。本估计系统电压、电流传感器安装于待检动力电池，微处理器含有执行本方法的计算模块，微处理器在线显示当前估计的SOC值，并可与汽车的CAN控制器连接。本发明在线辨识动力电池参数；自适应模糊调整变结构滤波参数的修正增量，估计方法简洁，运算量小，易于实现，精度高，对SOC初值依赖性小。
-
公开(公告)号：CN105116343B
公开(公告)日：2017-10-27
申请号：CN201510521981.9
申请日：2015-08-24
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为最小二乘支持向量机的动力电池电荷状态估计方法及系统，本法步骤为：Ⅰ、用动力电池模型及参数由含遗忘因子的最小二乘FFRLS求得开路电压Uoc；Ⅱ、用FFRLS拟合得到Uoc‑SOC的关系；Ⅲ、建立在线最小二乘支持向量机LS‑SVM的SOC训练模型；Ⅳ、估计SOC的初值，安时积分法估计SOC；Ⅴ、修正、补偿安时积分法估计的SOC。本系统电压电流传感器实时信号接入微处理器，程序存储器中存储有执行本法的各处理模块，计算处理所得实时SOC估计值直接显示。本发明有效地补偿拟合误差和安时积分法的累计误差；在线实时地调整模型参数，运算速度快，跟踪能力强，估计准确，实验表明本法SOC估计精度，平均绝对误差仅为1.28％。
-
公开(公告)号：CN107241033A
公开(公告)日：2017-10-10
申请号：CN201710647462.6
申请日：2017-08-01
Applicant: 桂林电子科技大学
Abstract: 本发明为一种基于电流‑位置的开关磁阻电机转矩脉动抑制方法与系统。本方法的基于电流‑位置神经网络模型直接由转子位置角计算相电流平方之和，作为参考总电流，再通过分配函数得到三相参考电流。三相参考电流与三相实测电流的差作为电流迟滞控制器的输入信号，控制开关磁阻电机的运行。本系统信号处理器连接电流传感器、转矩传感器和位置传感器接收信号，电流‑位置神经网络模块和电流分配模块运算得电流迟滞控制器的输入信号，控制功率驱动器，驱动SRM。本发明根据相电流平方之和与转子位置角的周期性关系，设计电流‑位置神经网络模型，有效地降低SRM的转矩脉动。
-
Patent Agency Ranking
公开(公告)号：CN104502858B
公开(公告)日：2017-07-14
申请号：CN201410851163.0
申请日：2014-12-31
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为基于后向差分离散模型的动力电池SOC估计方法与系统，本方法第一步、建立动力电池的后向差分离散模型，通过含遗忘因子的最小二乘法对后向差分离散模型的参数进行辨识。第二步、基于第一步所得的动力电池的后向差分离散模型，结合开路电压与SOC的非线性关系，采用自适应扩展卡尔曼滤波，完成动力电池SOC的有效估计。本系统动力电池所接的电压、电流传感器经模数转换模块连接嵌入微控制器。微控制器含低通滤波预处理模块、后向差分离散电池模型参数在线辨识模块和AEKF算法SOC估计模块。所得SOC结果送显示器设备的CAN网络。本发明结构简单，提高参数辨识速度和精度，减小历史数据对辨识影响，计算方便，SOC估计精度高。
-
公开(公告)号：CN105675996A
公开(公告)日：2016-06-15
申请号：CN201610234571.0
申请日：2016-04-15
Applicant: 桂林电子科技大学
CPC classification number: G01R27/14 , G01R31/3606
Abstract: 本发明公开一种动力电池内阻在线监测系统与方法，由电源变换单元、信号产生单元、检测电路单元、信号采集单元和主控制单元组成。检测电路单元包括隔直模块、三项选择开关K、四线标准电阻r1、四线标准电阻r2和参考电阻r0。信号产生单元发出驱动信号，通过检测电路单元实现参考电阻r0的参考电压值U、四线标准电阻r1所对应的一个电压值U1、四线标准电阻r2所对应的一个电压值U2和待测四线夹具动力电池E所对应的一个电压值U3的检测并由信号采集单元感应到主控制单元中来实现动力电池内阻检测。本发明在不用采集交流信号的情况下可完成动力电池内阻的在线检测，对动力电池的损害小；测量电路可以消除接触电阻和导线电阻对测量结果的影响，性能可靠。
-
公开(公告)号：CN105292243A
公开(公告)日：2016-02-03
申请号：CN201510630890.9
申请日：2015-09-29
Applicant: 桂林电子科技大学
IPC: B62D5/04 , B62D6/00 , B62D101/00 , B62D113/00 , B62D119/00
Abstract: 本发明公开一种汽车电动助力转向系统的预测控制方法，其通过电枢电流预测控制和转向杆位移预测控制两个闭环控制实现；电枢电流环负责电枢电流跟随助力特性曲线期望的参考电流，以实现对助力力矩的精确控制；转向杆位移环负责实际的转向杆位移跟随期望的转向杆位移，以实现对车轮转向角的精确控制。
-
公开(公告)号：CN105093121A
公开(公告)日：2015-11-25
申请号：CN201510405189.7
申请日：2015-07-10
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为一种似然度函数粒子滤波的动力电池电荷状态估计方法和系统，由电池Thevenin模型，得到状态和量测方程，参数初始化后，进行状态预测计算状态预测值的均值和协方差，再重新采样、重构采样分布函数。计算电池端电压预测值，计算粒子权值，权值归一化和计算有效粒子数。有效粒子数Neff与有效粒子数阈值Nthr比较，当Neff小于Nthr，采用拉普拉斯分布作为似然度函数，并引入方差调节因子和工况适应因子，以自适应地修改似然度函数的方差，适应动力电池不同工况。最终得到更新的SOC估计值和协方差。本系统微控制器连接电压和电流传感器，微控制器内有各程序执行模块。本发明加大有效粒子数；有效避免了方差的过修正；估算精度优。
-
公开(公告)号：CN103176139B
公开(公告)日：2015-07-29
申请号：CN201310074148.5
申请日：2013-03-08
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为动力电池非光滑迟滞特性补偿的电荷状态估算方法及系统，本法第一步采集电池输出电压和电流，由电池等效电路模型得到各参数的关系式构建神经网络OCV(k)预估模型，求解其中参数，对开路端电压OCV(k)在线估计。第二步SDH模型和RBF2串联组成动态迟滞混合模型。SDH模型以第一步所得OCV(k)为输入，其输出的y(k)和OCV(k)、OCV(k-1)为RBF2的输入，RBF2加权学习间接调整SDH模型的参数，逼近实际的复杂迟滞关系，最终输出在线估算的SOC(k)。本系统由微处理器和安装于电池电路的电流、电压传感器等构成，存储执行本方法的程序，得SOC（k）估算值。本发明借鉴神经网络，补偿了动力电池复杂非光滑迟滞非线性特性，提高SOC(k)在线估算精度。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.027 seconds)
