-
公开(公告)号：CN110187290A
公开(公告)日：2019-08-30
申请号：CN201910573259.8
申请日：2019-06-27
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明涉及一种基于融合型算法的锂离子电池剩余寿命预测方法，属于电池管理技术领域。该方法包括以下步骤：S1：获取电池容量衰减数据，并确定基于最优控制算法RUL预测的模型参数。S2：对训练集数据拟合，迭代输出最优控制算法模型参数滤波估计值和电池容量衰减数据滤波估计值，通过模型参数滤波估计值，得到初始RUL预测值。S3：基于最优控制算法的滤波估计值与实验数据差值，建立原始误差序列，并将其作为神经网络算法的输入，对误差序列不断迭代训练，输出误差序列的预测结果。S4：在训练集数据使用完毕后，综合最优控制算法的初始预测值和神经网络算法误差序列预测结果，得到最终的锂离子电池RUL预测结果。
-
公开(公告)号：CN108215747B
公开(公告)日：2019-08-27
申请号：CN201810002393.8
申请日：2018-01-02
Applicant: 重庆大学
Abstract: 本发明涉及一种基于纯电动汽车的双电机布置和凸优化算法的转矩优化方法，该方法包含如下步骤：S1：根据汽车的参数，建立汽车的纵向动力学模型；S2：选择汽车的循环工况，根据所选择的循环工况，计算汽车的需求转矩Tdem(k)、需求功率Pdem(k)、最大需求转矩Tdem，max和最大需求功率Pdem，max；S3：在假设汽车电池的容量满足动力性需求的前提下，根据Tdem，max和Pdem，max的值，选择汽车的电机尺寸和电池尺寸；S4：通过凸优化算法对汽车的电机和电池进行凸优化处理；S5：对汽车传动系统的各部件工作状态进行约束；S6：确定成本目标函数。本发明方法选择双电机布置，弥补了单电机布置电动汽车电机工作效率低的缺点，同时本发明的优化算法计算时间快，结果准确。
-
公开(公告)号：CN110161423A
公开(公告)日：2019-08-23
申请号：CN201910561982.4
申请日：2019-06-26
Applicant: 重庆大学
IPC: G01R31/387 , G01R31/392 , G01R31/367
Abstract: 本发明涉及一种基于多维度耦合模型的动力锂电池状态联合估计方法，属于电池管理技术领域。该方法包括：S1：建立电池的电模型，在电模型的基础上建立电池热模型以及老化模型；S2：用测试数据辨识各模型参数；S3：建立电池的电-热-老化的耦合模型；S4：在耦合模型的基础上，用基于状态空间方程的控制方法实时估计电池SOC，同时提取热模型中电池中心温度值作为SOT估计值，并用容量计算方法估计电池SOH；S5：设置相应的耦合框架，完成电池SOC、SOT和SOH联合估计。本发明在SOC估计过程中实时更新电池温度和容量变化，可以大幅度提高SOC估计精度，反过来也将提升SOT和SOH的估计精度。
-
公开(公告)号：CN110045298A
公开(公告)日：2019-07-23
申请号：CN201910373001.3
申请日：2019-05-06
Applicant: 重庆大学 , 重庆长安新能源汽车科技有限公司
IPC: G01R31/396 , G01R31/367 , B60L58/10
Abstract: 本发明涉及一种动力电池组参数不一致性的诊断方法，属于电池管理技术领域。该方法包括：S1：选定初始性能存在差异以及初始性能相近的动力电池，采用串并联的方式组成两类电池组，并收集其技术参数；S2：模拟不同道路下的实车工况，控制电池组内各单体的温度，对动力电池组进行充放电实验，采集各单体电池的电压、电流、温度数据，建立实车工况测试数据库；S3：采用特征提取方法对采集到的电压、电流、温度的时域数据进行数据处理和特征提取；S4：针对提取的特征利用权重法评价电池组的一致性，多尺度熵和人工神经网络结合进而实现参数不一致性诊断。本发明能够实时诊断出故障电池，提高电池组参数不一致性的诊断精确度，便于及时维护。
-
公开(公告)号：CN109061537A
公开(公告)日：2018-12-21
申请号：CN201810967540.5
申请日：2018-08-23
Applicant: 重庆大学
CPC classification number: G01R35/00 , G01K15/007
Abstract: 本发明涉及一种基于观测器的电动车辆锂离子电池传感器故障诊断方法，属于电池管理技术领域。该方法为：确定锂离子电池参数，建立电动车辆锂离子电池电热耦合动态模型；在不同环境温度下，对被测电池进行开路电压测试及HPPC实验获得电池特征参数；建立电池OCV与SoC间的关系，采用带有遗忘因子的递归最小二乘法对电池电热耦合动态模型中的参数进行辨识，获得电池参数与环境温度与电池SoC之间的定量关系；向基于观测器的锂离子电池故障诊断与分离算法导入电流、电压和温度传感器测量值，通过扩展卡尔曼滤波算法估计状态量从而生成残差，使用CUSUM测试方法进行残差评价，最终根据不同残差的组合响应情况实现锂离子电池传感器的故障诊断与分离。
-
Patent Agency Ranking
公开(公告)号：CN108508370A
公开(公告)日：2018-09-07
申请号：CN201810300141.3
申请日：2018-04-04
Applicant: 重庆大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于温度校正的开路电压-安时积分SOC估计方法，属于电池管理技术领域。该方法包括：1)选定待测动力电池，获得电池的技术参数，确定其是否配有TMS，若有，则电池工作在标称条件下，若无，则电池工作在全条件下；2)建立基于温度校正的SOC-OCV映射模型，得到在标称条件和全条件下SOC的初始值；3)建立总容量、可释放容量损失和库伦效率的温度模型，使用安时积分法，对标称条件和全条件下的SOC进行估计；4)将步骤2、3结合，采用基于温度校正的OCV法结合安时积分建立不同工作条件下的SOC估计方法，对标称条件和全条件下的SOC进行估计。本发明解决了宽温度范围下电池SOC精确估计的问题。
-
公开(公告)号：CN118605594A
公开(公告)日：2024-09-06
申请号：CN202410623649.2
申请日：2024-05-20
Applicant: 重庆大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及一种基于非线性模型预测控制的电动垂直起降飞行器速度规划方法，属于飞行器能量管理领域。该方法为：利用作用盘理论，建立多旋翼型eVTOL飞行器的动力学模型，并设计相应的飞行工况，以确定基本的飞行工况剖面；针对eVTOL大倍率工况，基于电池测试建立电‑热老化耦合模型；基于eVTOL飞行器动力学和电池模型，建立基于多级非线性模型预测控制器的eVTOL运动规划模型；以飞行能耗、电池老化和控制变量的变化率为优化目标，实施对eVTOL运动速度、姿态和航迹的优化，以提高飞行器的舒适性和控制效率，降低eVTOL的最大功率需求和电池包的峰值放电电流，并减少电池的老化损耗。
-
公开(公告)号：CN118501699A
公开(公告)日：2024-08-16
申请号：CN202410595376.5
申请日：2024-05-14
Applicant: 重庆大学
IPC: G01R31/36 , G01R31/396 , G01R31/367 , G01R31/392 , G01R31/385 , B60L58/10 , G06F18/27 , G06N3/047
Abstract: 本发明涉及一种动力电池的安全风险评估方法，属于电池技术领域。该方法包括：收集电气化设备电池包的运行数据，以及电池包中各个单体的单体运行数据，并建立电池运行数据库；根据所收集到的电池数据，利用相关性系数法筛选出与单体电压相关的高相关性特征；构建自适应阈值模型，并根据筛选出的与单体电压相关的高相关性特征对自适应阈值模型进行训练；采集动力电池的实时运行数据输入训练完成的自适应阈值模型，得到基于单体电压的置信区间，并计算实时平均单体电压置信区间的电压差的累计和；构建安全风险评价函数，并将电压差的累计和作为安全风险函数的输入，计算得到该电池单体当前的安全风险。本发明可对各个单体的安全风险进行实时评估。
-
公开(公告)号：CN111444625B
公开(公告)日：2024-01-30
申请号：CN202010261042.6
申请日：2020-04-03
Applicant: 重庆大学
IPC: G06F30/20 , G06F17/13 , G06F111/10
Abstract: 本发明涉及一种面向控制的全固态电池物理降阶方法，属于电池领域，包括步骤：利用拉普拉斯变换得到偏微分方程的解析解，利用Padé近似法将超越传递函数转化为低阶分数传递函数。通过分析传递函数的频响，选择三阶近似传递函数。抛物线函数和三次函数分别用来近似正极和电解质中的浓度分布。利用近似的浓度分布，计算体积平均浓度、平衡电势、扩散过电势、电解质相过电势和电荷转移过电势，得到电池的端电压。本发明的有益之处在于提出一种全固态电池的机理简化模型，该模型能够实时有效地计算电池正极和电解质相的浓度分布、平衡电势、各种过电势、电池电压和SOC。该方法具有良好的性能，能在模型保真度和计算复杂度之间取得了较好的平衡。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.017 seconds)
