公开(公告)号：CN117233635A

公开(公告)日：2023-12-15

申请号：CN202311162580.X

申请日：2023-09-08

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  鲍政怡 ,  何志伟 ,  杨宇翔 ,  董哲康 ,  林辉品

IPC: G01R31/392 ,  G06F30/27 ,  G06F18/2136 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0495 ,  G06N3/0499 ,  G06N3/08 ,  G01R31/367 ,  G01R31/3842

Abstract: 本发明公开了一种基于双路并行网络的梯次利用锂电池性能评估方法，包括搭建双路并行网络，评估梯次利用电池系统的电池性能参数，即电池单体或电池组的健康状态。双路并行网络包括一路轻量化网络与一路增强智能网络，轻量化网络包含多层残差卷积块和全连接层；增强智能网络包含数据嵌入模块、特征提取模块与特征融合模块，对特征数据充分提取并学习，梯次利用电池健康状态较高时，以增强智能网络估计结果为主，保证电池性能评估的准确性；健康状态较低时，以轻量化网络估计结果为主，保证梯次利用电池的安全性；增强智能网络估计结果为辅，对轻量化网络进行补充修正，具有较高的工程实际应用价值。

公开(公告)号：CN119272075A

公开(公告)日：2025-01-07

申请号：CN202411240686.1

申请日：2024-09-05

Applicant: 杭州电子科技大学

Inventor： 林辉品 ,  张月欢 ,  唐赛 ,  李平 ,  董哲康 ,  鲍政怡 ,  周明月 ,  林泉

IPC: G06F18/231 ,  G06F18/23213 ,  G06N3/0985 ,  G06N20/10

Abstract: 本申请涉及电池散热决策技术领域，提供基于元学习的电池散热决策方法及系统。所述方法包括：基于第一电池组的历史充放电倍率记录并进行聚类划分，获得多个预设充放电倍率；得到多个电池温度序列集合；得到温度分布偏差系数；生成接触面积信息；激活元学习器对优化后的第一电池散热装置进行散热参数拟合，得到散热参数决策模型；将现实数据输入所述散热参数决策模型进行散热参数拟合，输出实时散热参数；以所述实时散热参数对所述第一电池散热装置进行控制。本申请解决了现有技术中不同充电倍率下电池散热处理困难的技术问题，达到了对电池温度的有效管理和散热装置的智能调控，确保电池的安全运行和延长其使用寿命的技术效果。

公开(公告)号：CN118444159A

公开(公告)日：2024-08-06

申请号：CN202410444223.0

申请日：2024-04-15

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  鲍政怡 ,  何志伟 ,  杨宇翔 ,  董哲康 ,  林辉品

IPC: G01R31/367 ,  G01R31/382 ,  G01R31/396

Abstract: 本发明公开了一种Mamba架构驱动的电池包SOC与SOE估计方法，该方法首先电动汽车电池包原始数据采集和预处理，并将预处理后的电池数据制作为数据集。其次构建Mamba网络，所述Mamba网络模型包括全连接层、特征层正则化、门控单元及选择性状态空间模型SSM模块。最后搭建两个任务层，由Mamba网络的输出，分别实现电动汽车电池包SOC与SOE的估计。本发明同时估计电池包SOC与SOE，提高模型计算效率，减少计算与存储需求，测量过程简单，并能够及时、准确估算锂离子电池SOC与SOE。

公开(公告)号：CN117930024A

公开(公告)日：2024-04-26

申请号：CN202410119513.8

申请日：2024-01-29

Applicant: 杭州电子科技大学

Inventor： 林辉品 ,  唐赛 ,  李平 ,  董哲康 ,  鲍政怡

IPC: G01R31/367 ,  G01R31/388 ,  G01R31/389 ,  G01R31/392

Abstract: 本申请涉及电池状态监测技术领域，提供基于informer模型的电池健康状态智能监测方法。所述方法包括：采集目标电池的健康状态记录；对所述健康状态记录进行划分和再拼接，获得健康状态序列集；调取捕捉周期性特征确定周期性健康特征，进行整合获得电池健康状态趋势；确定多步健康状态预测集；根据informer模型的预测评价阈值对所述多步健康状态预测集进行预测精度计算，优化所述informer模型；实时采集健康状态，进行电池健康状态实时监测。本申请解决了现有技术中电池健康状态趋势预测误差较大，导致电池安全性不高的技术问题，达到了减少电池健康状态趋势预测误差，实现对电池健康状态的智能监测和管理技术效果。

公开(公告)号：CN116825708A

公开(公告)日：2023-09-29

申请号：CN202310746364.3

申请日：2023-06-25

Applicant: 杭州电子科技大学 ,  江苏双木测控技术有限公司 ,  上海越冲科技有限公司

Inventor： 林辉品 ,  鲍政怡 ,  董哲康 ,  陈爽 ,  林源 ,  周明月

IPC: H01L21/683 ,  H01L21/68

Abstract: 本发明公开了一种SOT电路元件陶瓷封装装置，包括：工作台，所述工作台上端平行间隔设置有传送带一和传送带二，所述工作台上端位于所述传送带一和所述传送带二之间设有可转动和上下移动的机械臂，所述传送带二位于传送方向两侧设置有定位装置，所述机械臂的末端连接吸取组件。

公开(公告)号：CN114580620A

公开(公告)日：2022-06-03

申请号：CN202210306935.7

申请日：2022-03-25

Applicant: 杭州电子科技大学

Inventor： 高明裕 ,  鲍政怡 ,  何志伟 ,  董哲康 ,  杨宇翔 ,  林辉品

IPC: G06N3/04 ,  G06N3/08 ,  G01R31/367 ,  G01R31/392

Abstract: 本发明提出了一种基于端到端深度学习的锂电池健康状态估计方法。该方法搭建了空洞卷积与双向LSTM结合的网络模型，令模型在增大网络层感受野的同时，能够获取更加丰富的时间序列样本信息，有效提升了电池健康状态的估计精度。并且使用了美国宇航局(NASA)预测卓越中心的电池预测数据集对模型进行训练与效果验证。首先将原始数据经过预处理后输入三个级联的空洞卷积模块与一个双向LSTM层，然后对网络模型进行训练并仿真验证，保存网络权重参数，最后将训练好的网络模型在测试集上进行测试，得到电池健康状态估计结果。