公开(公告)号：CN114995149A

公开(公告)日：2022-09-02

申请号：CN202210665775.5

申请日：2022-06-13

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  蒋一哲 ,  陈楠 ,  程赟 ,  张泓睿 ,  储杰 ,  褚云琨

IPC: G05B13/04

Abstract: 本发明提供了一种液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法，属于液压位置伺服系统辨识技术领域。解决了液压位置伺服系统进行分析和控制时给液压位置伺服系统建立的数学模型，辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立液压位置伺服系统的单输入单输出模型；步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对液压位置伺服系统时滞反馈非线性模型的建模和参数辨识。

公开(公告)号：CN114487845A

公开(公告)日：2022-05-13

申请号：CN202210038879.3

申请日：2022-01-13

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  李磊 ,  褚云琨 ,  宗天成 ,  袁银龙 ,  李政 ,  芮佳丽 ,  严俊 ,  张泓睿

IPC: G01R31/367 ,  G01R31/382 ,  G06N3/04

Abstract: 本发明提供了一种基于融合神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为：步骤1)将全新锂电池充满电，测取SOC从1到0的锂离子电池的端电压、电流、温度；步骤2)对测取的数据进行预处理；步骤3)使用2DCNN卷积神经网络对新的数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明在数据集中加入估计的电池容量数据，能够拥有更高的估计精度，相比较LSTM，不会将误差一直记忆；并且，短的历史数据长度也能拥有更快的估计速度；相较使用3DCNN来估计SOC，能够减少运算量并且减少不必要的误差输入，从而拥有更高的精度。

公开(公告)号：CN119128369A

公开(公告)日：2024-12-13

申请号：CN202311788701.1

申请日：2023-12-22

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  华亮 ,  王娟 ,  宗天成 ,  程赟 ,  袁银龙

IPC: G06F18/00 ,  G01R31/367 ,  G01R19/00 ,  G06F18/15 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供了一种基于WPD‑GMDH神经网络的BMS端电压辨识方法，属于锂电池管理系统辨识技术领域。解决了辨识锂电池管理系统难度大和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)通过仿真实验，获得样本数据；步骤2)数据预处理并构建数据集，并将其分为训练集和测试集；步骤3)通过WPD‑GMDH神经网络对数据集进行训练，得到WPD‑GMDH模型用于实时估计。本发明的有益效果为：本发明使用的WPD‑GMDH神经网络通过WPD技术分离不同的频率的信号，从而找到不同特征的非线性关系，提升GMDH神经网络模型的学习能力。

公开(公告)号：CN115097735B

公开(公告)日：2024-10-11

申请号：CN202210866614.2

申请日：2022-07-22

Applicant: 南通大学

Inventor： 李俊红 ,  肖康 ,  严俊 ,  白贵祥 ,  蒋泽宇 ,  宗天成 ,  王娟 ,  杨奕

IPC: G05B13/04

Abstract: 本发明公开了一种基于改进Adam优化算法的反应釜连续搅拌过程的辨识方法，属于化学工程系统辨识技术领域。其技术方案为：一种基于改进Adam优化算法的反应釜连续搅拌过程辨识方法，包括以下步骤：步骤1)建立反应釜连续搅拌过程的输入非线性Hammerstein‑CARMA模型；步骤2)构建改进Adam优化算法的辨识流程。本发明的有益效果为：本发明提出的改进Adam优化算法是一种改进梯度优化算法，它相比较传统的梯度优化算法等有较快的收敛速度和较高的收敛精度，能较好地适用于对反应釜连续搅拌过程的建模和参数辨识，具有一定的工程实际应用价值。

公开(公告)号：CN116821558A

公开(公告)日：2023-09-29

申请号：CN202310805102.X

申请日：2023-06-30

Applicant: 南通大学

Inventor： 李俊红 ,  张泓睿 ,  李富超 ,  严俊 ,  李亚男

IPC: G06F17/10 ,  G06F30/20 ,  G06F17/11 ,  G06F113/08 ,  G06F119/08

Abstract: 本发明提供了一种基于梯度算法的液体饱和蒸汽热交换系统参数辨识方法，属于蒸汽热交换系统辨识技术领域，解决了液体饱和蒸汽热交换系统参数辨识精度不高的技术问题。其技术方案为：一种基于梯度算法的液体饱和蒸汽热交换系统参数辨识方法，包括以下步骤：步骤1)建立液体饱和蒸汽热交换系统分数阶Wiener OEARMA模型；步骤2)构建递阶多新息随机梯度算法的辨识流程。本发明的有益效果为：本发明提出的递阶多新息随机梯度算法具有较快的收敛速度和较高的收敛精度，能较好的适用于对液体饱和蒸汽热交换系统的参数辨识。

公开(公告)号：CN116624469A

公开(公告)日：2023-08-22

申请号：CN202310585344.2

申请日：2023-05-22

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  李亚男 ,  白贵祥 ,  宗天成 ,  李富超

IPC: F15B19/00 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种基于Attention‑BiLSTM的液压伺服系统辨识方法，属于液压伺服系统辨识技术领域。解决了辨识液压伺服系统难度大和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)通过仿真实验，获得样本数据；步骤2)数据预处理并构建数据集，并将其分为训练集和测试集；步骤3)通过Attention‑BiLSTM长短期记忆神经网络对数据集进行训练，得到Attention‑BiLSTM模型用于实时估计。本发明的有益效果为：本发明使用的Attention‑BiLSTM长短期记忆神经网络通过Attention机制对模型的输入特征给以不同的权重，从而找到更关键的影响因素，提升模型的学习能力。

公开(公告)号：CN114779103B

公开(公告)日：2024-12-17

申请号：CN202210453820.0

申请日：2022-04-24

Applicant: 南通大学

Inventor： 李俊红 ,  蒋泽宇 ,  顾菊平 ,  华亮 ,  宗天成 ,  褚云琨 ,  芮佳丽 ,  张泓睿 ,  严俊 ,  肖康

IPC: G01R31/385 ,  G01R31/367 ,  G06N3/02

Abstract: 本发明提供了一种基于时滞卷积神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了不能够将时滞与卷积神经网络直接结合的技术问题。其技术方案为：包括以下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流和温度；步骤2)对测取的数据进行预处理，构建用于SOC估计的时滞卷积神经网络训练数据集和测试数据集；步骤3)使用时滞卷积神经网络对数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明中的时滞卷积神经网络能够考虑更多的数据且能够拥有更高的估计精度。

公开(公告)号：CN118112925A

公开(公告)日：2024-05-31

申请号：CN202410133373.X

申请日：2024-01-31

Applicant: 南通大学

Inventor： 宗天成 ,  李俊红 ,  陆国平 ,  严俊 ,  李富超 ,  李亚男 ,  白贵祥 ,  周星宇 ,  段泽霞

IPC: G05B13/04

Abstract: 本发明提供了一种变量误差Wiener系统的碳纤维牵伸过程辨识方法，属于碳纤维牵伸过程的建模技术领域。解决了输入、输出和中间过程均受到噪声干扰的碳纤维牵伸过程的参数估计问题。其技术方案为：包括如下步骤：步骤1)构建出一个基于变量误差Wiener系统的碳纤维牵伸过程模型，并获得碳纤维牵伸过程变量误差Wiener系统辨识模型；步骤2)构建出基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法。本发明的有益效果为：本发明首先建立合适的碳纤维单级牵伸过程的模型，并提出一种基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法，对碳纤维牵伸模型的未知参数进行参数估计。

公开(公告)号：CN116644780A

公开(公告)日：2023-08-25

申请号：CN202310213323.8

申请日：2023-03-07

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  白贵祥 ,  李亚男 ,  宗天成 ,  王娟

IPC: G06N3/0442 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明提供了一种基于SSA‑BiLSTM的压电作动器模型辨识方法，属于压电作动器辨识技术领域。解决了辨识压电作动器模型难度大和精度不高的技术问题。其技术方案为：包括以下步骤：1)通过仿真实验，获得样本数据；2)数据预处理并构建数据集，并将其分为训练集和测试集；3)得到SSA‑BiLSTM模型用于实时估计。本发明的有益效果为：使用的SSA‑BiLSTM长短期记忆神经网络能够通过SSA算法对BiLSTM神经网络的超参数进行寻优，在满足预测模型评价标准的基础上确定BiLSTM神经网络的最优参数，最终得到SSA‑BiLSTM模型用于实时估计。

公开(公告)号：CN116009399A

公开(公告)日：2023-04-25

申请号：CN202310009374.9

申请日：2023-01-03

Applicant: 南通大学

Inventor： 李俊红 ,  严俊 ,  张泓睿 ,  肖康 ,  刘慧霞 ,  袁银龙 ,  白贵祥 ,  李亚男 ,  李富超

IPC: G05B13/04

Abstract: 本发明提供了一种压电作动器控制系统自适应差分进化麻雀搜索辨识方法，属于压电作动器控制系统辨识技术领域。解决了辨识压电作动器控制系统模型参数和时间延迟速度慢和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立压电作动器控制系统的单输入单输出模型；步骤2)构建压电作动器控制系统自适应差分进化麻雀搜索辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的压电作动器控制系统自适应差分进化麻雀搜索辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对压电作动器控制系统时延非线性闭环模型的建模和参数辨识。