-
公开(公告)号：CN111965560B
公开(公告)日：2023-03-28
申请号：CN202010859703.5
申请日：2020-08-24
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/367 , G01R31/36 , G01R31/00
Abstract: 本发明涉及一种面向通用放电工况的电池健康状态估计(State of health,SOH)方法，属于电池技术领域，包括以下步骤：S1：对于恒流或脉冲工况，直接进行电压分段，获得电量差序列；对于动态电流工况，首先进行电压滤波，再进行电压分段，获得电量差序列；S2：提取健康因子：计算电量序列及电量差序列的标准差作为健康因子，分别表示为stdQ_VP和std△Q_VP；S3：采用皮尔逊相关系数来分析健康因子与电池容量的线性相关性；S4：使用数据驱动的方法估计电池的SOH。本发明可建立简单的线性回归模型在通用的放电工况下估计电池的SOH。
-
公开(公告)号：CN114325404A
公开(公告)日：2022-04-12
申请号：CN202111499134.9
申请日：2021-12-09
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/3842
Abstract: 本发明涉及一种基于热‑神经网络耦合模型的电池温度估计方法，属于电池管理技术领域。该方法为：S1：选定待测电池，收集整理该电池的规格及关键几何参数，获取电池模型建立以及温度估计所需的实验数据集；S2：考虑极耳热效应并基于切比雪夫伽辽金近似法建立电池的低阶热模型，进行参数辨识获得热模型未知参数，并结合扩展卡尔曼滤波EKF算法实时估计电池关键温度；S3：基于长短期记忆神经网络建立并训练电池数据驱动模型，确定电池产热、荷电状态SOC和环境温度与电池关键温度间的映射关系；S4：通过集成学习算法adaboost耦合物理热模型与神经网络模型，并优化二者的融合权重，进而实现准确的电池温度估计。
-
公开(公告)号：CN111220912B
公开(公告)日：2022-03-29
申请号：CN202010060435.0
申请日：2020-01-19
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/392 , G01R31/387
Abstract: 本发明涉及一种基于移植神经网络的电池容量衰减轨迹预测方法，属于电池管理技术领域。该方法包括：S1选定待测试的动力电池，制定两种不同工况的循环条件，针对这两种不同工况的循环条件分别进行电池老化实验，采集电池测试数据；S2根据所采集的电池测试数据，计算电池在对应工况下的容量衰减，生成基准模型训练数据库和移植神经网络训练数据库；S3选取基模型种类，用基准模型训练数据库中的全部数据辨识基模型的参数；S4根据所收集的移植神经网络训练数据库进行移植神经网络训练，建立移植神经网络模型；S5基于移植神经网络模型对衰减较慢的电池未来容量轨迹进行预测。本发明具有代价小、复杂度低和移植性好等优点。
-
公开(公告)号：CN110703114B
公开(公告)日：2022-03-11
申请号：CN201911031589.0
申请日：2019-10-28
Applicant: 重庆大学
IPC: G01R31/388 , G01R31/389 , G01R31/36
Abstract: 本发明涉及一种基于电‑热‑神经网络耦合模型的动力电池SOC和SOT联合状态估计方法，属于电池管理领域。该方法包括：S1选定待测动力电池，搜集整理相关技术参数，建立该动力电池时域内连续的ETSM模型，并确定模型输入输出参数；S2在不同温度下模拟两个城市驾驶循环工况和两个公路驾驶循环工况，采集电池状态数据；S3对ETSM模型进行参数辨识，得到电‑热子模型的特性参数；S4利用参数化的ETSM模型生成训练数据库，进行神经网络训练，建立ETNN模型，对端电压Vsp与核心温度Tc进行估计；S5采用UKF对电池SOC和SOT进行联合估计。本发明能够在极端温度和大电流条件下，对动力电池进行状态有效估计。
-
公开(公告)号：CN110068772B
公开(公告)日：2021-07-30
申请号：CN201910372379.1
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: G01R31/387 , G01R31/367
Abstract: 本发明涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法，属于电池技术领域，包括步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合FEKF算法对电池进行SOC状态估计。
-
Patent Agency Ranking
公开(公告)号：CN111597723A
公开(公告)日：2020-08-28
申请号：CN202010431432.3
申请日：2020-05-20
Applicant: 重庆大学
IPC: G06F30/20 , G06N3/063 , G06F119/08
Abstract: 本发明涉及一种基于改进的智能模型预测控制的电动汽车空调系统智能控制方法，属于整车热管理技术领域，包括步骤：S1：建立汽车空调系统-乘员舱耦合热模型；S2：基于汽车空调系统-乘员舱耦合模型建立与之匹配的模型预测控制器；S3：基于神经网络建立车速预测器，通过利用历史车速来对未来车速进行预测；S4：基于PMV理论以及适应算法建立针对不同个体热习惯的适应器，并由此得出目标舒适温度Tcomfort；S5：结合车速预测与热舒适适应，建立完整的针对于汽车空调系统的智能控制器。本发明基于模型预测控制，适合于多输入多输出控制器系统，同时控制器高效节能，更为智能，适合用于未来智能化，个性化驾驶的空调控制系统。
-
公开(公告)号：CN111474487A
公开(公告)日：2020-07-31
申请号：CN202010286583.4
申请日：2020-04-13
Applicant: 重庆大学
IPC: G01R31/387 , G01R31/374 , G01R31/389 , G01R31/367
Abstract: 本发明涉及一种电池荷电状态-内部温度联合在线估计方法，属于电池管理技术领域。该方法为：S1选定待测试的动力电池，划分电池区域，将不同电池区域分别简化为一个物理节点，将三维模型简化为一维模型；S2确定节点电阻与总内阻的关系；S3运用参数辨识方法辨识电池动态内阻以及电容；S4基于已经辨识的电池参数，利用卡尔曼滤波实时估计电池SOC；S5基于辨识的内阻以及估计的SOC，利用卡尔曼滤波原理预测当前时间步的电池内部温度；S6在S5完成电池内部温度修正的基础上计算该时刻的产热，并重复S3-S5的步骤，直至电池工况结束。本发明具有精度高，鲁棒性好，针对不同种类电池的普适性强的特点。
-
公开(公告)号：CN111261973A
公开(公告)日：2020-06-09
申请号：CN202010062895.7
申请日：2020-01-19
Applicant: 重庆大学
IPC: H01M10/613 , H01M10/625 , H01M10/633 , H01M10/635 , H01M10/6554 , H01M10/6568 , G06N3/08 , G06N3/04 , G06F17/15 , B60L58/24
Abstract: 本发明涉及一种基于模型预测控制的电动汽车整车电池热管理方法，属于新能源汽车领域。该方法包含如下主要步骤：S1:建立包含传动系统、电池包的电-热-老化多状态估计和冷却系统在内的系统模型；S2:设计模型预测控制器的状态估计器和代价函数；S3：将车速预测和控制系统耦合；S4：实时监测环境温度，找到和环境温度相关的最佳电池温度参考值，并与控制器耦合。本发明算法复杂度低，有着很好的可行力；同时在控制系统中考虑到了电池的温度管理、老化管理和冷却系统的能耗管理，为整车电车热管理系统提供了新思路。利用本发明方法可以进一步实现系统且高效的电池热管理策略。
-
公开(公告)号：CN108313057B
公开(公告)日：2019-09-24
申请号：CN201810313067.9
申请日：2018-04-09
Applicant: 重庆大学
IPC: B60W30/14
Abstract: 本发明涉及一种基于MPC和凸优化算法的纯电动汽车自适应巡航控制方法，属于新能源汽车技术领域。该方法具体包括：S1：根据跟车控制性能要求，建立预测模型；S2：根据S1建立的模型，通过MPC算法，预测车辆未来时刻的速度输出；S3：根据S2中MPC算法中求出的速度输出和S1中建立的模型，求出车辆未来时刻的功率需求；S4：根据S3得出的功率需求，用凸优化算法求解最优的转矩分配，使得两个电机工作在高效率区域，电池输出电量最少。本发明通过跟车控制与能量优化，将前后两车保持在一个安全的距离范围的同时，获得最优的能量管理策略而不影响模型预测控制的实时性运用，不仅缓解交通压力，还能减少能量消耗。
-
公开(公告)号：CN108333528B
公开(公告)日：2019-08-20
申请号：CN201810124009.1
申请日：2018-02-07
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/388 , G01R31/389
Abstract: 本发明涉及一种基于动力电池电‑热耦合模型的SOC和SOT联合状态估计方法，属于电池管理技术领域。该方法为：选定待测动力电池，建立该动力电池的电、热模型，确定估计动力电池SOC和SOT所需参数；在不同温度下对被测动力电池进行涓流充放电实验和HPPC实验，建立充放电条件下的等效电路模型参数关于温度和SOC的数据库，模拟不同道路条件下的实车测试工况，建立数据库；进行参数辨识得到电、热模型的特性参数，获取充放电条件下等效电路模型参数与温度和SOC之间的定量关系；将本模型结合PF算法、动力电池充放电条件下的等效电路模型特性参数关于温度和SOC的定量关系式以实现动力电池SOC和SOT联合状态估计。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.023 seconds)
