-
公开(公告)号：CN110457789B
公开(公告)日：2022-09-20
申请号：CN201910679116.5
申请日：2019-07-25
Applicant: 桂林电子科技大学
IPC: G06F30/20 , G01R31/392 , G01R31/367 , G06F119/04
Abstract: 本发明公开了一种基于改进粒子滤波与双指数衰退经验物理模型融合的锂离子电池剩余寿命预测方法。针对基于数据驱动的方法精度严重依赖于模型架构的完善准确程度问题，采用非线性最小二乘法对双指数模型进行参数辨识，运用仿真模拟与试验测量等方法对特定研究对象电池进行验证并优化经验模型；同时采用统计学相关系数理论改良重采样策略，利用路径相似性程度阈值重新修正粒子权重，舍弃掉状态平滑估计以解决标准PF算法中粒子退化问题。基于此，提出构建一套完整基于相关系数理论的改进粒子滤波算法与架构科学精准的参数辨识双指数衰退经验模型相融合的锂离子电池剩余寿命预测系统性研究方法，充分实现了电池健康管理的高精度和高时效性预测。
-
Patent Agency Ranking
公开(公告)号：CN110457789A
公开(公告)日：2019-11-15
申请号：CN201910679116.5
申请日：2019-07-25
Applicant: 桂林电子科技大学
IPC: G06F17/50 , G01R31/392 , G01R31/367
Abstract: 本发明公开了一种基于改进粒子滤波与双指数衰退经验物理模型融合的锂离子电池剩余寿命预测方法。针对基于数据驱动的方法精度严重依赖于模型架构的完善准确程度问题，采用非线性最小二乘法对双指数模型进行参数辨识，运用仿真模拟与试验测量等方法对特定研究对象电池进行验证并优化经验模型；同时采用统计学相关系数理论改良重采样策略，利用路径相似性程度阈值重新修正粒子权重，舍弃掉状态平滑估计以解决标准PF算法中粒子退化问题。基于此，提出构建一套完整基于相关系数理论的改进粒子滤波算法与架构科学精准的参数辨识双指数衰退经验模型相融合的锂离子电池剩余寿命预测系统性研究方法，充分实现了电池健康管理的高精度和高时效性预测。
-
公开(公告)号：CN116842814A
公开(公告)日：2023-10-03
申请号：CN202310566170.5
申请日：2023-05-18
Applicant: 桂林电子科技大学
IPC: G06F30/25 , B23K9/173 , G06F30/27 , G06F18/214 , G06F30/15 , G06F111/10
Abstract: 本发明提供一种基于粒子滤波的船舶GMAW焊缝成形预测方法，首先选取随机过程建模机理架构焊接工艺与熔池特征的非确定性噪声(Hammerstein)模型，提供精准状态空间方程；其次运用Bayesian滤波进行跟踪训练，通过递推预测与观测修正来实现粒子滤波状态估计；再次利用聚类相似性度量SIS与GPF得到的修正与系统轨迹，指导生成新的提议分布来改善粒子退化，同时更新蒙特卡洛采样以补偿重要性权重，取代重采样来消除粒子贫化，以此建立改进粒子滤波的状态跟踪训练与焊缝成形预测模型；最后试验得出粒子滤波及其改进方法状态跟踪训练效果与焊缝成形预测精度均能满足船舶焊接工艺要求，而改进方法具备状态跟踪效果更好、成形预测精度更高、算法鲁棒性更强和时效性更快等优势特征。
-
公开(公告)号：CN110442941B
公开(公告)日：2022-04-29
申请号：CN201910678614.8
申请日：2019-07-25
Applicant: 桂林电子科技大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于粒子滤波与过程噪声融合的电池状态与RUL预测方法。该发明在采用贝叶斯状态跟踪训练更新提议分布的方法来改善粒子退化现象的基础上，充分运用马尔科夫链‑蒙特卡洛理论(MCMC)丰富采样粒子多样性以解决重采样枯竭问题的优势特征，创建基于MCMC的更新改进PF算法研究模型；同时采用改良自适应算法融合更新改进PF模型的方法对不同实验数据进行噪声多特征寻优，建立噪声分布参数辨识表。基于此，本发明提出构建一套完整的自适应辨识过程噪声分布、电池状态跟踪与RUL预测系统性研究方法体系，且具有状态跟踪拟合度好、RUL预测精度高(误差5％以内)以及稳定鲁棒性、泛化适应性强等优点。
-
公开(公告)号：CN116054780A
公开(公告)日：2023-05-02
申请号：CN202310000323.X
申请日：2023-01-02
Applicant: 桂林电子科技大学
IPC: H03H17/02 , G06F18/23 , G06F30/27 , G06F111/08 , G06F119/04
Abstract: 本发明提供一种基于状态轨迹聚类相似度的粒子滤波方法及应用，包括：S1，初始化；S2，假定先验概率密度分布作为重要性概率密度函数，即提议分布指导粒子进行序贯重要性采样，进而递归计算采样粒子的重要性权值；S3，结合系统真实状态与采样粒子状态轨迹一致性原理，利用数据挖掘思想‑‑聚类分析方法对当前滤波与未来多阶段高斯滤波预测量测信息进行相似性度量；S4，运用步骤S3的相似性度量修正S2中的提议分布；S5，通过步骤S4修正后的提议分布更新步骤S2中的序贯重要性采样过程中的重要性权值计算，并对粒子权重进行归一化，进而获取当前时刻的系统状态的估计值；S6，重复步骤S2‑S5，依次输出不同时刻下的系统状态的估计值。其能够改善粒子退化现象。
-
公开(公告)号：CN110442941A
公开(公告)日：2019-11-12
申请号：CN201910678614.8
申请日：2019-07-25
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于改进粒子滤波与过程噪声多特征融合算法的电池状态跟踪与RUL预测方法。该发明在采用贝叶斯状态跟踪训练更新提议分布的方法来改善粒子退化现象的基础上，充分运用马尔科夫链-蒙特卡洛理论(MCMC)丰富采样粒子多样性以解决重采样枯竭问题的优势特征，创建基于MCMC的更新改进PF算法研究模型；同时采用改良自适应算法融合更新改进PF模型的方法对不同实验数据进行噪声多特征寻优，建立噪声分布参数辨识表。基于此，本发明提出构建一套完整的自适应辨识过程噪声分布、电池状态跟踪与RUL预测系统性研究方法体系，且具有状态跟踪拟合度好、RUL预测精度高(误差5％以内)以及稳定鲁棒性、泛化适应性强等优点。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
