-
公开(公告)号：CN114638144B
公开(公告)日：2024-11-12
申请号：CN202210284825.5
申请日：2022-03-22
Applicant: 中南大学
IPC: G06F30/25 , G06F119/02 , G06F119/14
Abstract: 本发明公开了一种三元正极材料前驱体分解反应模拟方法及装置，根据所需要模拟的三元正极材料的反应特点，建立多状态转换格子气自动机模型框架，确定多态格子气自动机模型；分析三元正极材料分解反应的反应机理与反应条件，对分解过程进行分段，并分段建立反应热动力学模型，设计各阶段转换规则与规则改变机制，构建状态转换规则集；根据给定三元正极材料的相关性质确定格子气节点初始状态，辨识模型中的系数，求解热动力学参数，输入多态格子气自动机模型；依据状态转换规则集进行节点粒子状态演化，获得三元正极材料前驱体分解反应的格子气自动机模拟结果。本发明为提高产品的成品率，改善产品的性能提供了依据。
-
公开(公告)号：CN114596295B
公开(公告)日：2024-10-25
申请号：CN202210254627.4
申请日：2022-03-15
Applicant: 中南大学
Abstract: 本发明公开了一种锂离子正极材料SEM图迂曲度提取方法及装置，通过获取锂离子正极材料在不同烧结温度下的SEM图像，对SEM图像进行预处理，得到二值图像；对二值图像进行距离变换得到距离变换图，并将变换得到的距离变换图与构建的多尺度的圆形邻域滤波器进行差分卷积，得到卷积结果图；将卷积结果图中的每个像素与预设的全局阈值T进行比较，提取出二次颗粒的前景标记像素；运用形态学闭运算对前景标记像素进行标记，得到前景标记图；利用前景标记图，采用分水岭算法对预处理后的SEM图像进行分割，得到最终的分割结果；利用分割结果，采用蒙特卡罗方法计算二次颗粒的面积和迂曲度。本发明实现二次颗粒的精确分割和对产品性能的预测。
-
公开(公告)号：CN117116380A
公开(公告)日：2023-11-24
申请号：CN202311076646.3
申请日：2023-08-25
Applicant: 中南大学
Abstract: 本发明公开了一种三元正极材料的性能指标的预测方法和烧结条件的优化方法，属于三元正极材料的工业制备技术领域。该三元正极材料性能指标的预测方法，包括：获得一次颗粒粒径指标的变化规律，建立基于晶粒生长动力学方程的三元正极材料的一次颗粒预测模型，进而预测三元正极材料的一次颗粒大小。该三元正极材料的烧结条件的优化方法，包括：以最少的时间完成氧化作为优化目标，以升温速率、氧空位终值、氧空位浓度预测模型、升温速率上下界和氧化反应起始阶段作为约束条件求解得到最优升温速率和最优升温时间。本发明提出的预测方法能够预测三元正极材料的一次颗粒大小，该预测方法准确。
-
公开(公告)号：CN110488194B
公开(公告)日：2021-10-26
申请号：CN201910822418.3
申请日：2019-09-02
Applicant: 中南大学
IPC: G01R31/367
Abstract: 本发明公开了基于电化学阻抗模型的锂电池SOC估算方法及其系统，针对锂离子电池SOC估算问题，通过分数阶理论构建了基于电化学阻抗的等效电路模型，基于电化学阻抗谱的分析，引入CPE，替代传统时域电路模型中的纯电容元件，考虑电动汽车实际运行过程中电流及温度变化范围大，将模型中的极化电阻使用Butler–Volmer方程进行替代，针对建立的电池电化学阻抗电路模型，设计用于锂离子电池SOC估算分数阶观测器，最后利用电池特性测试数据对模型参数进行辨识，对电池的SOC进行精确估算。相比起现有技术而言，本发明中的基于电化学阻抗模型的锂电池SOC估算方法及其系统由于考虑了温度因素，测得的电池SOC值更加精确。
-
公开(公告)号：CN112562797A
公开(公告)日：2021-03-26
申请号：CN202011381228.1
申请日：2020-11-30
Applicant: 中南大学
Abstract: 本发明涉及湿法炼锌沉铁过程控制领域，公开一种沉铁过程出口离子预测方法及系统，以解决现有的沉铁过程出口离子浓度预测模型精确度不高的技术问题。本发明方法包括：围绕c个中心样本选取相似度高的L个时间连续样本构成c个子训练样本集；将对应不同工况的各子训练样本集分别进行训练得到c个动态概率隐变量子模型；获取用于预测离线沉铁过程出口离子浓度特征的无标签的测试样本数据，对同一测试样本数据进行局部邻域标准化处理后输入到各动态概率隐变量子模型得到出口离子浓度预测值的概率分布；采用贝叶斯决策进行联合估计将c个动态概率隐变量子模型输出的预测值的概率分布结果进行融合，得到对应所述测试样本数据最终的出口离子浓度的预测值。
-
Patent Agency Ranking
公开(公告)号：CN107038307B
公开(公告)日：2019-07-30
申请号：CN201710250996.5
申请日：2017-04-18
Applicant: 中南大学
IPC: G06F17/50
Abstract: 本发明公开了一种将机理与数据相结合的辊道窑温度预测集成建模方法，通过对影响温度变化的因素分析，从温度变化与能量的角度出发，建立机理模型；然后考虑到辊道窑烧结是一个十分复杂的过程，无法通过一个单一机理模型描述整个烧结过程，并且机理模型是通过简化而存在模型误差，建立数据模型对模型误差进行预测，以此来弥补机理输出，即利用误差作为训练样本建立基于局部加权核主成分回归的非线性时变过程的误差预测模型；最后机理模型与数据模型相结合建立辊道窑温度预测集成模型。利用本发明得到的模型能够更好地跟踪过程的状态变化，为辊道窑温度控制提供很好的指导作用，从而提高产品生产质量以及合格率。
-
公开(公告)号：CN108549732A
公开(公告)日：2018-09-18
申请号：CN201711370985.7
申请日：2017-12-19
Applicant: 中南大学 , 湖南杉杉新能源有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种基于局部二次加权核主成分回归的辊道窑温度软测量建模方法。利用相似度较高的局部样本数据，结合辊道窑存在的高维度、非线性及过程时变等特性，分别引入核技巧、即时学习等技术，建立基于局部加权核主成分回归的辊道窑温度软测量模型；最后考虑到局部建模样本数据的输入变量对输出变量的影响程度不同，对局部建模变量二次加权，建立基于局部二次加权核主成分回归的辊道窑温度软测量模型，实现对辊道窑温度精确预测。本发明得到的模型能够更好的跟踪过程的状态变化，为辊道窑温度控制提供很好的指导作用，从而提高产品生产质量以及合格率。
-
公开(公告)号：CN107728664A
公开(公告)日：2018-02-23
申请号：CN201710378120.9
申请日：2017-05-25
Applicant: 中南大学
Abstract: 本发明提供一种冶金过程多反应器级联pH值优化控制方法，针对冶金过程存在的焙砂添加量影响因素多、离子化验滞后性及工况变化频繁导致的焙砂添加量控制困难等问题，通过入口工况划分，利用在线检测获得的ORP和pH值，结合入口溶液流量、Fe2+浓度、Cu2+浓度等信息，根据出口溶液离子浓度建立焙砂添加量优化控制模型，得到pH设定值，并基于模糊控制规则建立焙砂调整量修正模型，对当前焙砂添加量进行修正，使pH达到最优设定值，从而保证针铁矿沉铁过程的稳定运行。
-
公开(公告)号：CN119827991A
公开(公告)日：2025-04-15
申请号：CN202411879714.4
申请日：2024-12-19
Applicant: 中南大学
IPC: G01R31/367 , G01R31/392 , G01R31/385 , G01K13/00 , G06F17/11 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于交叉注意力机制的锂离子电池健康状态估计方法，首先，采集锂离子电池的电压、电流和温度运行数据，并划分充电片段和放电片段。在充电片段和放电片段中提取并量化反映电池老化模式和反映电池使用行为的健康指标。然后，采用堆叠的卷积神经网络对充电片段进行卷积运算，获得充电数据深度特征，并利用交叉注意力权重分配将充电数据深度特征与健康指标进行互补融合，获得与电池健康状态最具相关性的融合特征。最后，将融合特征输入全连接神经网络，预测电池的健康状态和分析引起电池健康状态下降的主要因素。本发明能够在车辆电池随机充放电条件下精准预测电池健康状态，同时获得引起电池健康状态下降的主要因素。
-
公开(公告)号：CN114638958B
公开(公告)日：2025-02-25
申请号：CN202210250194.5
申请日：2022-03-14
Applicant: 中南大学
Abstract: 本发明公开了一种多特征融合的三元正极材料SEM图像粗糙度提取方法及装置，通过获取三元正极材料在不同烧结温度下的SEM图像，对获取的SEM图像进行预处理；使用双毯法提取预处理后的SEM图像的分形特征，并用分形维数表示；采用灰度共生矩阵对预处理后的SEM图像的纹理特征进行分析与提取；将提取的分形维数与纹理特征进行融合，得到多特征融合的三元正极材料SEM图像的粗糙度。本发明提出了使用分形维数和信息熵结合的方式来表征三元正极材料的粗糙度，实现了对SEM图像纹理特征的提取，多种方式提取的特征量形成互补，使得SEM图像粗糙度提取更加全面、有效。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.029 seconds)
