-
公开(公告)号：CN103778280B
公开(公告)日：2016-07-06
申请号：CN201410008739.7
申请日：2014-01-08
Applicant: 上海交通大学
Abstract: 本发明涉及一种具有模型主动更新策略的锂离子电池剩余寿命预测方法，根据放电曲线的电压范围得出的时间序列进行变换得出每次放电循环等价的放电差异序列，并以此得出锂电池的健康指数时间序列，根据这个放电电压序列与健康指数序列的对应进行时间序列预测以确定电池的剩余寿命。通过对于放电电压曲线进行采样熵特征提取并建模以提供一个完整且精确的充放电过程与电池性能指标的联系。在此性能指标模型的基础上，将短期时间序列预测结果不断地更新到已知性能指标数据序列中，并进行相关性分析，根据相关性程度不同，通过扩充训练集的方式进行重新训练，与原有的迭代更新训练方式有所不同，动态地更新预测模型，从而提高预测精度。
-
Patent Agency Ranking
公开(公告)号：CN103760889B
公开(公告)日：2016-05-25
申请号：CN201410005188.9
申请日：2014-01-06
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 一种基于贝叶斯网的故障分离快速方法，包括以下步骤：通过历史数据，获取系统的贝叶斯网、历史数据的均值和历史数据的方差-协方差矩阵；规定系统的误报率，并由误报率求取控制限，这一控制限用于判断系统是否出现故障；读取当前时刻的采样值，并将其构成一个向量，计算出当前系统的T2统计量；判断当前T2统计量是否小于控制限，若是，则表示系统处于正常运行状态，没有故障，否则进行下一步操作；对T2统计量进行分解，基于贝叶斯网可以导出唯一的MYT分解，与传统MYT分解相比，将原始MYT分解需要计算的分解项减少到p项，大大降低计算量，快速对T2统计量进行分解，从而快速定位出故障源；该方法适用于在线诊断过程和对实时性要求高的系统。
-
公开(公告)号：CN103713628B
公开(公告)日：2017-01-18
申请号：CN201310753722.X
申请日：2013-12-31
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于符号有向图和数据重构的故障诊断方法，通过采集正常数据进行离线训练，即通过PCA对预处理后的数据进行分解，进而求出SPE的控制限。根据系统流图，建立SDG模型，在设定漏报率、误报率、检测偏移量后确定各变量V-mask的参数。实时采集系统未知状态的过程数据，对各变量的CUSUM和样本SPE进行监控，如果SPE超过了控制限，表示系统发生了故障，通过CUSUM统计量确定有效节点，通过搜索所有可能的相容路径，对所有相容路径方向上的数据进行重构，其故障隔离指标最大的方向，便是真实的故障传播方向，该方向上的起始节点被认为是故障的原因变量，而导致该节点异常的事件被认为是产生故障的根本原因。
-
公开(公告)号：CN103760889A
公开(公告)日：2014-04-30
申请号：CN201410005188.9
申请日：2014-01-06
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 一种基于贝叶斯网的故障分离快速方法，包括以下步骤：通过历史数据，获取系统的贝叶斯网、历史数据的均值和历史数据的方差-协方差矩阵；规定系统的误报率，并由误报率求取控制限，这一控制限用于判断系统是否出现故障；读取当前时刻的采样值，并将其构成一个向量，计算出当前系统的T2统计量；判断当前T2统计量是否小于控制限，若是，则表示系统处于正常运行状态，没有故障，否则进行下一步操作；对T2统计量进行分解，基于贝叶斯网可以导出唯一的MYT分解，与传统MYT分解相比，将原始MYT分解需要计算的分解项减少到p项，大大降低计算量，快速对T2统计量进行分解，从而快速定位出故障源；该方法适用于在线诊断过程和对实时性要求高的系统。
-
公开(公告)号：CN103778280A
公开(公告)日：2014-05-07
申请号：CN201410008739.7
申请日：2014-01-08
Applicant: 上海交通大学
Abstract: 本发明涉及一种具有模型主动更新策略的锂离子电池剩余寿命预测方法，根据放电曲线的电压范围得出的时间序列进行变换得出每次放电循环等价的放电差异序列，并以此得出锂电池的健康指数时间序列，根据这个放电电压序列与健康指数序列的对应进行时间序列预测以确定电池的剩余寿命。通过对于放电电压曲线进行采样熵特征提取并建模以提供一个完整且精确的充放电过程与电池性能指标的联系。在此性能指标模型的基础上，将短期时间序列预测结果不断地更新到已知性能指标数据序列中，并进行相关性分析，根据相关性程度不同，通过扩充训练集的方式进行重新训练，与原有的迭代更新训练方式有所不同，动态地更新预测模型，从而提高预测精度。
-
公开(公告)号：CN103713628A
公开(公告)日：2014-04-09
申请号：CN201310753722.X
申请日：2013-12-31
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于符号有向图和数据重构的故障诊断方法，通过采集正常数据进行离线训练，即通过PCA对预处理后的数据进行分解，进而求出SPE的控制限。根据系统流图，建立SDG模型，在设定漏报率、误报率、检测偏移量后确定各变量V-mask的参数。实时采集系统未知状态的过程数据，对各变量的CUSUM和样本SPE进行监控，如果SPE超过了控制限，表示系统发生了故障，通过CUSUM统计量确定有效节点，通过搜索所有可能的相容路径，对所有相容路径方向上的数据进行重构，其故障隔离指标最大的方向，便是真实的故障传播方向，该方向上的起始节点被认为是故障的原因变量，而导致该节点异常的事件被认为是产生故障的根本原因。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
