-
公开(公告)号：CN115442812B
公开(公告)日：2023-04-07
申请号：CN202211388554.4
申请日：2022-11-08
申请人： 湖北工业大学
IPC分类号： H04W16/14 , H04B17/391 , G06N20/00
摘要： 本发明属于工业物联网频谱管理技术领域，具体涉及一种基于深度强化学习的物联网频谱分配优化方法及系统。考虑到全局信道信息未知的情况下，提出一种基于多智能体深度强化学习的工业物联网频谱分配优化方法。首先，构造多个设备对设备通信链路的系统模型。其次，构建优化问题，结合频谱子带和传输功率等约束条件以优化物联网网络综合效率。接着，将优化问题描述为马尔可夫决策过程。最后，针对上述优化问题具有较大的状态空间和动作空间，提出了多智能体深度Q网络算法。借助于经验回放机制和目标网络策略，以实现最优的频谱子带选择和传输功率分配策略。
-
公开(公告)号：CN115308631A
公开(公告)日：2022-11-08
申请号：CN202211223879.7
申请日：2022-10-09
申请人： 湖北工业大学
IPC分类号： G01R31/396 , G01R31/367 , G06F17/16 , B60L58/18
摘要： 本发明针对实际运行中的新能源汽车数据提出了一种新能源汽车动力电池组故障诊断方法及系统。本发明采用一种基于特征指数化的方法提取电压的新特征，能够有效地放大电池单体的故障，易于实现更快速的预警；其次，并采用基于K‑means聚类的参考单体选择方法，能够有效的减少各单体不一致性导致的误报；最后，将动态时间规划(DTW)算法引入电池组的故障诊断领域并修正DTW算法。最后将提取的故障特征作为修正的DTW算法的输入，算法输出结果最优路径值DS与设定的阈值比较，能够实现电池组的在线故障诊断。
-
公开(公告)号：CN115494418A
公开(公告)日：2022-12-20
申请号：CN202211462784.0
申请日：2022-11-22
申请人： 湖北工业大学
IPC分类号： G01R31/396 , G01R31/3835 , G01R31/378 , G01R31/367
摘要： 本发明涉及一种基于时间序列分解算法的锂电池单体异常检测方法及系统，该技术方案利用时序分解算法对采集得到的电池电压数据进行分解，以获得电池电压的趋势项分量（Trend Component）。随后提取出趋势项分量，计算相邻电池单体的趋势项分量的余弦相似度，并与设定阈值进行比较，可以实时检测锂电池故障，快速准确的识别出异常单体电池。本发明的有益效果是：（1）基于时间序列分解算法，获得各单体电池电压的趋势项分量，可以有效剔除噪声和残余项的干扰；（2）采用了余弦相似度算法，能够实现在线实时的电池故障检测，计算速度快，准确率高。
-
公开(公告)号：CN115034336A
公开(公告)日：2022-09-09
申请号：CN202210953893.6
申请日：2022-08-10
申请人： 湖北工业大学
IPC分类号： G06K9/62 , G01R31/3835 , G01R31/396 , G01R31/367 , G01R31/52
摘要： 本发明涉及一种数据驱动的动力电池内短路预警方法及系统，该技术方案包含基于电压数据的广义无量纲指标的设计（Generalized dimensionless indicator，GDI）、基于广义无量纲指标的局部离群因子（Local outlier factors，LOF）计算和根据局部离群因子计算结果判断是否报警。利用动力电池云端大数据平台在线实时预警可以准确、及时地对动力电池组中各单体电池进行监控，有效助力动力电池安全运行。本发明的有益效果是：（1）基于云端大数据平台的动力电池实际运行数据，实现动力电池早期内短路故障的准确定位。（2）设计的广义无量纲指标能有效降低实际工况下数据噪声带来的计算误差，对数据质量的要求低、鲁棒性高。
-
公开(公告)号：CN114942386A
公开(公告)日：2022-08-26
申请号：CN202210854833.9
申请日：2022-07-20
申请人： 湖北工业大学
IPC分类号： G01R31/367 , G01R31/3842
摘要： 本发明属于电池系统的故障检测领域，具体涉及一种动力电池故障在线检测方法及系统。具体包括：设置滑动窗口长度并获取电池实时数据；确定电池使用状态；提取电池放电电压数据进行数据清洗；进行经验模态分解并提取分解后的残差值；计算香农熵权重法下各单体得分；确定各电池单体的得分结果的改进Z‑分数；判断是否发生故障；重新采集下一滑动窗口的数据。本发明一方面可基于电池系统的实时电压数据进行在线故障检测和异常单体定位及预警；另一方面计算较为简单、可在线应用、适合工程应用。
-
公开(公告)号：CN115494401A
公开(公告)日：2022-12-20
申请号：CN202211417093.9
申请日：2022-11-14
申请人： 湖北工业大学
IPC分类号： G01R31/367
摘要： 本发明涉及电池状态估计技术，具体涉及一种基于信息融合的动力电池云端数据清洗方法，包括以下步骤：输入电池的SOC序列和电压矩阵；判断当前循环次数是否超过额定值确定执行步骤；构建初步SOC‑V曲线；通过二次函数拟合构建SOC‑V曲线；使用信息融合的方法将当前测量值和SOC‑V曲线结合得到电池电压估计值。该方法结合动力电池历史数据和传感器测量数据估计出更加接近电池实际工况的数据，减弱信号传输过程中的随机扰动和测量误差对电池数据质量的影响，为动力电池的状态估计和故障预警技术提供助力。
-
公开(公告)号：CN115442812A
公开(公告)日：2022-12-06
申请号：CN202211388554.4
申请日：2022-11-08
申请人： 湖北工业大学
IPC分类号： H04W16/14 , H04B17/391 , G06N20/00
摘要： 本发明属于工业物联网频谱管理技术领域，具体涉及一种基于深度强化学习的物联网频谱分配优化方法及系统。考虑到全局信道信息未知的情况下，提出一种基于多智能体深度强化学习的工业物联网频谱分配优化方法。首先，构造多个设备对设备通信链路的系统模型。其次，构建优化问题，结合频谱子带和传输功率等约束条件以优化物联网网络综合效率。接着，将优化问题描述为马尔可夫决策过程。最后，针对上述优化问题具有较大的状态空间和动作空间，提出了多智能体深度Q网络算法。借助于经验回放机制和目标网络策略，以实现最优的频谱子带选择和传输功率分配策略。
-
公开(公告)号：CN115494401B
公开(公告)日：2023-03-10
申请号：CN202211417093.9
申请日：2022-11-14
申请人： 湖北工业大学
IPC分类号： G01R31/367
摘要： 本发明涉及电池状态估计技术，具体涉及一种基于信息融合的动力电池云端数据清洗方法，包括以下步骤：输入电池的SOC序列和电压矩阵；判断当前循环次数是否超过额定值确定执行步骤；构建初步SOC‑V曲线；通过二次函数拟合构建SOC‑V曲线；使用信息融合的方法将当前测量值和SOC‑V曲线结合得到电池电压估计值。该方法结合动力电池历史数据和传感器测量数据估计出更加接近电池实际工况的数据，减弱信号传输过程中的随机扰动和测量误差对电池数据质量的影响，为动力电池的状态估计和故障预警技术提供助力。
-
公开(公告)号：CN115308631B
公开(公告)日：2023-02-03
申请号：CN202211223879.7
申请日：2022-10-09
申请人： 湖北工业大学
IPC分类号： G01R31/396 , G01R31/367 , G06F17/16 , B60L58/18
摘要： 本发明针对实际运行中的新能源汽车数据提出了一种新能源汽车动力电池组故障诊断方法及系统。本发明采用一种基于特征指数化的方法提取电压的新特征，能够有效地放大电池单体的故障，易于实现更快速的预警；其次，并采用基于K‑means聚类的参考单体选择方法，能够有效的减少各单体不一致性导致的误报；最后，将动态时间规划(DTW)算法引入电池组的故障诊断领域并修正DTW算法。最后将提取的故障特征作为修正的DTW算法的输入，算法输出结果最优路径值DS与设定的阈值比较，能够实现电池组的在线故障诊断。
-
公开(公告)号：CN115542172A
公开(公告)日：2022-12-30
申请号：CN202211526661.9
申请日：2022-12-01
申请人： 湖北工业大学
IPC分类号： G01R31/367 , G01R31/396 , H01M10/42 , H01M10/48 , B60L58/18 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种动力电池故障检测方法、系统、装置及存储介质，包含对电池时序数据构建签名矩阵、基于卷积自编码器提取空间特征、基于卷积长短期记忆网络捕获数据时序特征、基于编码器提取的空间特征和卷积长短期记忆网络提取的时序特征利用解码器进行签名矩阵的重构、利用初始签名矩阵与重构矩阵之间残差对异常进行检测和诊断，在电动汽车监控平台对动力电池组进行监控与分析，有效助力电池系统的安全。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.023 秒)
