-
公开(公告)号：CN112628969A
公开(公告)日：2021-04-09
申请号：CN202011555794.X
申请日：2020-12-24
Applicant: 重庆大学
IPC: F24F11/64 , F24F11/70 , F24F8/192 , B63G8/36 , F24F110/10 , F24F110/20 , F24F110/40
Abstract: 本发明涉及一种模拟外界环境变化的密闭环境舒适性空调系统，属于空调技术领域，包括冷水机组模块、空气处理模块、空气输送和分配模块、以及自动控制模块；所述冷水机组模块与空气处理模块、空气输送和分配模块相连通，受自动控制模块调节与运行，为密闭环境提供一定的冷量；所述空气处理模块用于对空气进行净化，提高空气质量；所述空气输送和分配模块用于对空气进行循环输送；所述自动控制模块用于获取当前温度、湿度和压力，并根据给定阈值将温度、湿度和压力调节到人体热舒适区域最佳参数。本发明能够模拟外界环境变化，与人体生物节律相适应，满足人体热舒适性需求。
-
公开(公告)号：CN111220912A
公开(公告)日：2020-06-02
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：CN111090963A
公开(公告)日：2020-05-01
申请号：CN201911235801.5
申请日：2019-12-05
Applicant: 重庆大学 , 重庆长安新能源汽车科技有限公司 , 重庆长安汽车股份有限公司
IPC: G06F30/25 , H01M10/0525 , H01M10/44
Abstract: 本发明涉及一种基于用户需求的自适应多段恒流恒压充电方法，属于电池管理技术领域。该方法包括：S1：选定待测动力电池，收集整理该动力电池的技术参数，建立该动力电池的电、热、老化模型；S2：通过实验确定该动力电池所需电、热、老化模型的参数；S3：根据用户需求确定需要更加关注充电时间还是电池寿命，建立优化模型；S4：通过PSO优化方法对模型进行优化计算。根据用户的使用需求例如在夜晚家庭充电时采用较长的充电时间来延长寿命，而在外出如高速公路途中需考虑以时间最短为主的充电策略，来调整优化模型。
-
公开(公告)号：CN108544913B
公开(公告)日：2019-08-27
申请号：CN201810283989.X
申请日：2018-04-02
Applicant: 重庆大学
Abstract: 本发明涉及新能源汽车领域，具体公开了一种三电机传动结构纯电动汽车，包括一个前轴驱动电机和两个型号相同的后轮驱动电机，两个后轮驱动电机为左后轮驱动电机及右后轮驱动电机；其中前轴驱动电机与电动汽车前轴连接，左后轮驱动电机安装在电动汽车左后轮的轮毂上，右后轮驱动电机安装在电动汽车右后轮轮毂上；两个后轮驱动电机的尺寸、峰值转矩和功率均小于前轴驱动电机；前轴驱动电机的输出端连接有离合器，三个驱动电机为电动汽车提供转矩，所述离合器在断开时转矩平均分配给两个后轮驱动电机，所述离合器在需求转矩达到预定值时接合，转矩按预设分配算法分配给三个驱动电机。本发明还公开了一种三电机传动结构纯电动汽车的转矩分配优化算法。
-
公开(公告)号：CN108508371A
公开(公告)日：2018-09-07
申请号：CN201810313074.9
申请日：2018-04-09
Applicant: 重庆大学
IPC: G01R31/36
Abstract: 本发明涉及一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法，属于电池管理技术领域。该方法包括以下步骤：首先选定动力电池的类型及型号，获取相应技术参数并建立电池等效电路模型；随后，在特定温度下，对被测电池进行涓流充放电实验及HPPC实验获得电池特征参数；进一步通过实验数据建立电池OCV与SOC间的关系，同时对电池模型中的参数进行辨识并反馈至模型中；最后，向联合估计算法导入传感器数据，通过mMHE方法和滚动窗口在线参数辨识方法更新模型参数，并实现SOC、SOH及SOP的在线联合估计。本发明在保证一定运算速度的条件下，对SOC、SOH及SOP实现不同时间尺度下的精确估计。
-
Patent Agency Ranking
公开(公告)号：CN120076264A
公开(公告)日：2025-05-30
申请号：CN202510236112.5
申请日：2025-02-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于数据中心暖通控制的一体化调优系统及方法，涉及暖通控制领域，该一体化调优系统包括：利用可视化人机界面与故障模拟情景转换技术进行暖通设备运行模拟处理，并基于模拟结果获取暖通设备在运行过程中的运行安全值；利用动环监测器实时获取末端负荷变化后分析数据中心能源效率指标，并根据数据中心能源效率指标与调优控制器获取暖通设备的运行节能值；基于暖通设备的运行安全值与运行节能值控制数据中心暖通设备的运行状态，实现集中监控与管理。本发明通过可视化的人机界面，将控制器、人机界面等有机结合在一起对数据中心暖通控制系统架构设计、建设及维护流程进行综合性管理，实现数据中心暖通系统的架构升级。
-
公开(公告)号：CN118914901A
公开(公告)日：2024-11-08
申请号：CN202411004524.8
申请日：2024-07-25
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/385 , G01R31/389
Abstract: 本发明涉及一种基于弛豫时间和无监督学习的锂离子电池组内短路故障诊断方法，属于电池技术领域。其包括：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，筛选出电池包充电结束后的静置阶段各单体的弛豫电压；从各单体的弛豫电压中提取出弛豫时间变化曲线，并截取暂态过程稳定程度系数α在预设范围内的片段作为特征弛豫时间片段；根据统计学原理在特征弛豫时间片段的基础上提取故障特征；利用局部离群因子算法对各单体进行内短路故障识别并对其故障严重程度进行评分。本发明能够有效地对电池包进行内短路故障检测和故障程度评分。
-
公开(公告)号：CN114563722B
公开(公告)日：2024-09-13
申请号：CN202210193784.9
申请日：2022-03-01
Applicant: 重庆大学
IPC: G01R31/382
Abstract: 本发明涉及一种锂离子电池的内部三维温度场在线重构的方法，属于电池技术领域，包括以下步骤：S1：根据电池的输入电压与电流，在线辨识电池的内部平均内阻；S2：利用电池的输入电流与电压，完成当前时刻的SOC的估计；S3：基于S1与S2中的内阻与SOC估计结果，估计电池核心的平均温度；S4：以电池表面测试温度以及S3中估计的电池平均温度为输入，确定电池内部三维温度场基本的重构函数，并完成电池内部三维温度场的重构。本发明具有精度高，鲁棒性好，所涉及算法占用计算资源少的优点。
-
公开(公告)号：CN116500444B
公开(公告)日：2024-03-26
申请号：CN202310358041.7
申请日：2023-04-06
Applicant: 重庆大学
IPC: G01R31/367 , G01R31/387
Abstract: 本发明涉及一种面向运行安全的电动飞行汽车电池多状态联合估计方法，属于电池管理领域。该方法包括三部分：(1)基于电池等效电路模型、结合自适应扩展卡尔曼滤波算法并考虑模型参数实时更新的荷电状态SOC估计；(2)基于计算高效的二维分布式热模型并结合自适应卡尔曼滤波算法的关键温度SOT估计；(3)考虑电池电流、电压、SOC和温度约束的瞬时/连续充放电峰值功率SOP估计。相比传统SOP估计，该联合估计方法创新性地考虑了实时更新的电池平均温度约束，能够实现更加准确可靠的峰值功率估计，防止电池在高功率工况下的过充、过放。同时，电池关键电热信息的准确监控能够避免电池过温、过压，确保电动飞行汽车电池系统的安全、高效和可靠运行。
-
公开(公告)号：CN114325404B
公开(公告)日：2023-09-26
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。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.019 seconds)
