-
公开(公告)号：CN118228455A
公开(公告)日：2024-06-21
申请号：CN202410242198.8
申请日：2024-03-04
Applicant: 江南大学
Abstract: 本发明公开了一种动力电池化成设备故障主动隔离方法，属于动力电池故障诊断技术领域。所述方法通过获取包含未知但有界噪声与故障的动力电池化成设备状态模型，基于全对称多胞体集员滤波思想，设计了空间更新策略，构造了状态观测器，此时不需假定模型噪声的先验分布已知，增强了算法的鲁棒性和实用性；通过引入测试点来执行故障检测，将状态可行集和故障集相切表示为发生故障的临界条件，并将此临界条件描述为两个优化问题直接求取辅助信号取值，实现故障有效隔离，避免了传统方法中依赖观测器性能指标设计辅助信号时导致的问题复杂性；经仿真实例证明，相比于传统方法，本申请方法对微小故障的敏感性更强，更能避免对故障的检测延迟或漏检，提升了故障检测和隔离的效率。
-
公开(公告)号：CN113076681B
公开(公告)日：2024-04-30
申请号：CN202110227064.5
申请日：2021-03-01
Applicant: 江南大学
IPC: G06F30/25 , G06F119/08
Abstract: 本发明公开了一种基于滤波的锂电池核心与表面温度估计方法，属于状态估计技术领域。所述方法通过利用滤波方法进行系统状态的迭代，不需要提前知道系统噪声和扰动的先验分布，增加了状态变量方法的适用性；在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制，使粒子的分布更加接近真实值且更为密集；粒子分布密集意味着粒子的权重更加接近，小权值的粒子数量更少，避免了在重采样过程中被替换，保留了粒子的多样性，从而解决传统粒子滤波算法过程中出现的粒子匮乏导致的系统鲁棒性较差的问题。
-
公开(公告)号：CN114755584A
公开(公告)日：2022-07-15
申请号：CN202210348041.4
申请日：2022-03-25
Applicant: 江南大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于双集员滤波的动力电池性能检测方法，属于动力电池生产领域。通过使用嵌套的双集员算法，获得动力电池的SOC和SOH联合模型后，根据SOC和SOH状态方程间的耦合关系，通过全对称多胞体算法进行交替运算，将SOH的k时刻更新步结果作为已知量，带入k+1时刻的SOC预测步计算中；将k+1时刻的SOC预测步的结果作为已知量，带入k+1时刻SOH更新步的计算中，以此实现交替运算。不同于两个独立的滤波算法，本申请方法在联合建模的基础上进一步加强了SOC和SOH的耦合关系，同时，将滤波后的结果带入算法交替运算，减少了噪声带来的影响，使得算法结果更为精确且鲁棒性更高。
-
公开(公告)号：CN113985298B
公开(公告)日：2022-07-05
申请号：CN202111206981.1
申请日：2021-10-15
Applicant: 江南大学 , 天能电池集团股份有限公司
IPC: G01R31/3842 , G06F30/20 , H01M10/44
Abstract: 本发明公开了一种基于二次更新滤波的电池化成充放状态估计方法，属于动力电池制造技术领域。所述方法通过采用一种滤波方法对时滞系统进行状态估计，与传统进行状态扩维的方法相比，不需要增加系统维度从而计算量更小，同时也在之前的CSCF算法的基础上，在基于原始输出数据更新迭代的基础上，进一步利用预测步结果，得到二次更新后更紧致的凸空间体包裹，进一步加强预测步与更新步的紧密结合，改善了因原始输出数据得到的更新集保守性更大的缺点，减小了算法保守性，进一步提高了状态估计精度。
-
公开(公告)号：CN113985298A
公开(公告)日：2022-01-28
申请号：CN202111206981.1
申请日：2021-10-15
Applicant: 江南大学 , 天能电池集团股份有限公司
IPC: G01R31/3842 , G06F30/20 , H01M10/44
Abstract: 本发明公开了一种基于二次更新滤波的电池化成充放状态估计方法，属于动力电池制造技术领域。所述方法通过采用一种滤波方法对时滞系统进行状态估计，与传统进行状态扩维的方法相比，不需要增加系统维度从而计算量更小，同时也在之前的CSCF算法的基础上，在基于原始输出数据更新迭代的基础上，进一步利用预测步结果，得到二次更新后更紧致的凸空间体包裹，进一步加强预测步与更新步的紧密结合，改善了因原始输出数据得到的更新集保守性更大的缺点，减小了算法保守性，进一步提高了状态估计精度。
-
Patent Agency Ranking
公开(公告)号：CN111711341B
公开(公告)日：2021-07-27
申请号：CN202010616476.3
申请日：2020-06-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于P‑D反馈的电力变换器控制方法，属于先进制造过程控制技术领域。所述方法在设计电力变换器时，引入广义成本函数来研究保证成本控制问题；电力变换器中每个子系统在激活时都有其自己的成本函数加权矩阵，采用P‑D状态反馈来消除脉冲行为和开关瞬间的状态跳变，并同步设计了比例反馈增益矩阵和微分反馈增益矩阵。对于给定的广义成本函数，基于多个Lyapunov函数，通过引入一些适当的自由加权矩阵，为存在P‑D状态反馈保成本控制器提供了充分条件。采用本申请提供的基于P‑D反馈的电力变换器控制方法控制的电力变换器，各子系统之间根据各子系统的运行状态确定切换时间，从而使得电力变换器的切换损耗达到最优。
-
公开(公告)号：CN111505500B
公开(公告)日：2021-01-29
申请号：CN202010272259.7
申请日：2020-04-09
Applicant: 江南大学
IPC: G01R31/34 , G06F30/20 , G06F111/10
Abstract: 本发明公开了一种工业领域基于滤波的电机智能故障检测方法，属于故障检测技术领域。所述方法通过利用集员估计方法用向量表示状态可行集，不需要提前知道模型扰动和噪声的先验知识，增加了故障检测方法的实用性和准确率；在反演滤波问题求解过程中，用向量表示区间盒子，通过向量组的布尔运算搜索属于可行集的区间盒子，解决了传统区间滤波算法计算量大、计算时间随着区间维度增加呈指数级增大的问题，更高效、准确地对状态区间进行估计。获取故障的估计区间，不同于传统利用估计残差的上下界实现故障检测，对故障范围的估计为电机后续故障诊断提供了保障。
-
公开(公告)号：CN110083992B
公开(公告)日：2020-11-17
申请号：CN201910455779.9
申请日：2019-05-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于多新息递推最小二乘的Boost变换器故障诊断方法，属于电力变换器故障诊断领域。该方法包括建立Boost变换器的混杂系统离散模型；获取Boost变换器的最小二乘递推模型；根据最小二乘递推模型获取新息标量；获取预定时间范围内Boost变换器的信息向量和系统输出；根据新息长度扩展出多新息向量，获取信息矩阵和输出向量；估计Boost变换器的参数向量；根据估计得到的参数向量，确定Boost变换器中各个元件的估计值并判断Boost变换器是否发生故障；解决了目前Boost变换器故障诊断数据利用率低的问题；达到了平滑各元件的参数估计数值，提高Boost变换器故障诊断的精度和收敛速度的效果。
-
公开(公告)号：CN110081897A
公开(公告)日：2019-08-02
申请号：CN201910371140.2
申请日：2019-05-06
Applicant: 江南大学
Abstract: 本发明公开了一种限制性骑行路径规划装置及方法，涉及数据分析领域，包括主机电路和从机电路，主机电路和从机电路通过无线通信连接；主机电路包括主机控制器、定位接收器、记录设备，主机控制器分别与定位接收器和记录设备连接；从机电路包括从机控制器、交互输入设备、交互显示设备，从机控制器分别与交互输入设备和交互显示设备连接；定位接收器用于定位帧数据中的经度数据和纬度数据，并对各个路径点进行标记；记录设备用于记录和存储位置数据；交互输入设备用于输入骑行目的地；交互显示设备用于显示用户的实时位置和骑行路径。根据用户的实际骑行需求选择出最适合用户的路径，适用场景多。
-
公开(公告)号：CN109544002A
公开(公告)日：2019-03-29
申请号：CN201811405425.5
申请日：2018-11-23
Applicant: 江南大学
Abstract: 本发明公开了一种风力发电机的桨距子系统的系统参数估计方法，属于参数估计领域。该方法包括获取风力发电机的桨距子系统的系统模型，在预定时间范围内，利用所述系统模型，根据随机的输入数据序列得到输出数据序列，输入数据是桨距参考距离值，输出数据是桨距角；根据所述输入数据序列和所述输出数据序列构造桨距子系统的信息向量；利用有限数据窗对基于权值椭球的集员估计算法进行处理，利用经过有限数据窗处理后的基于权值椭球的集员估计算法对所述桨距子系统的系统参数进行估计；解决了利用现有的集员估计方法对系统参数估计时精度不高、实时性差的问题，达到了提高参数估计的精度和计算实时性的效果。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.024 seconds)
