公开(公告)号：CN118376930B

公开(公告)日：2024-08-23

申请号：CN202410832296.7

申请日：2024-06-26

申请人： 西南科技大学 ,  四川文理学院 ,  四川泽丰锂能新能源科技有限公司

发明人： 刘冬雷 ,  王顺利 ,  彭家伟 ,  朱华伟 ,  毛辉浪 ,  李小霞

IPC分类号： G01R31/367 ,  G01R31/374 ,  G01R31/385 ,  G01R31/378 ,  G01R31/396

摘要： 本发明公开了一种储能锂电池电压功能状态评估方法及其系统，属于锂电池状态预测技术领域，包括：设定储能锂电池的循环工况，获取所述循环工况的检测数据，所述检测数据包括：放电电压和计时时间；基于所述检测数据，计算循环工况特征值，所述循环工况特征值包括：首次工况特征值、截止工况特征值和运行工况特征值；基于所述循环工况特征值，通过特征值商计算公式，计算得到电压功能状态值；对所述电压功能状态值进行异常判断，得到电压功能状态的评估结果。本发明主要用于储能锂电池电压功能状态评估，基于循环工况特征值计算与特征值商处理，实现了电压功能状态评估，降低了电压功能状态评估难度，增强了电压功能状态评估准确度。

公开(公告)号：CN118376930A

公开(公告)日：2024-07-23

申请号：CN202410832296.7

申请日：2024-06-26

申请人： 西南科技大学 ,  四川文理学院 ,  四川泽丰锂能新能源科技有限公司

发明人： 刘冬雷 ,  王顺利 ,  彭家伟 ,  朱华伟 ,  毛辉浪 ,  李小霞

IPC分类号： G01R31/367 ,  G01R31/374 ,  G01R31/385 ,  G01R31/378 ,  G01R31/396

摘要： 本发明公开了一种储能锂电池电压功能状态评估方法及其系统，属于锂电池状态预测技术领域，包括：设定储能锂电池的循环工况，获取所述循环工况的检测数据，所述检测数据包括：放电电压和计时时间；基于所述检测数据，计算循环工况特征值，所述循环工况特征值包括：首次工况特征值、截止工况特征值和运行工况特征值；基于所述循环工况特征值，通过特征值商计算公式，计算得到电压功能状态值；对所述电压功能状态值进行异常判断，得到电压功能状态的评估结果。本发明主要用于储能锂电池电压功能状态评估，基于循环工况特征值计算与特征值商处理，实现了电压功能状态评估，降低了电压功能状态评估难度，增强了电压功能状态评估准确度。

公开(公告)号：CN118244112A

公开(公告)日：2024-06-25

申请号：CN202211652791.7

申请日：2022-12-22

申请人： 西南科技大学

发明人： 王顺利 ,  海南 ,  梁雅雯 ,  杨潇 ,  谢滟馨 ,  于春梅 ,  曹文 ,  靳玉红 ,  彭家伟 ,  陈蕾

IPC分类号： G01R31/367 ,  G06N3/0499 ,  G06N3/0985 ,  G06N3/086 ,  G06N3/126

摘要： 本发明涉及一种用于锂电池SOC精确估算的超参数优化多层前馈遗传神经网络模型，该模型针对神经网络对锂电池组SOC值的精确估算目标，提出了一种超参数优化方法，通过对遗传因子取值进行遍历，实现阶梯式动态优化；降低单一优化因子对三层前馈神经网络稳定性的破坏；考虑到所建立的三层前馈神经网络对不同锂电池测试数据集的匹配性，采用随机和网格遍历相融合的测试方法，对数据集进行等比例随机抽取实时记录每组误差值直至找到最优值，设置验证集避免局部优化，克服了过拟合出现的误差；在遗传算法的基础上，对模型架构和参数运用随机和网格遍历相结合实现锂电池组的SOC估算模型的建立和优化，实现建立匹配度高，准确性高以及架构稳定的SOC估算神经网络系统。

公开(公告)号：CN118298411A

公开(公告)日：2024-07-05

申请号：CN202410710717.9

申请日：2024-06-04

申请人： 西南科技大学

发明人： 彭家伟 ,  陈宇琴 ,  张小乾 ,  徐龙华 ,  王东辉 ,  罗超 ,  李敬豪 ,  彭栎璠 ,  陈宇峰

IPC分类号： G06V20/60 ,  G06V10/40 ,  G06V10/74 ,  G06V10/762

摘要： 本发明公开了一种基于锚点的矿物识别与聚类分析方法；涉及工艺矿物学技术领域；包括步骤：采集矿石的表面图像并进行预处理得到原始特征数据；引入锚点来模拟原始特征数据，并通过锚点和原始特征数据之间的关系构造关系锚图；基于低秩约束方法处理关系锚图，并获取数学基于锚和张量对偶学习的大规模多视图聚类模型；优化并解算大规模多视图聚类模型得到聚类分析结果；在现有基于锚点的多视图子空间聚类方法的基础上，将锚点学习与关系锚图的构建组合到了一个统一框架中，并且使两者之间进行相互学习，以增强锚点的判别能力。此外，本方案基于结构张量低秩范数来探索多个关系锚图之间的高阶相关性，同时优化张量的局部结构，以提高聚类性能。

公开(公告)号：CN117036920A

公开(公告)日：2023-11-10

申请号：CN202211112068.X

申请日：2022-09-13

申请人： 西南科技大学

发明人： 任珍文 ,  彭家伟 ,  尤晓建 ,  戴健 ,  祝本明 ,  梅艳莹 ,  韩雪梅 ,  张芯悦 ,  游佳莉 ,  赵春宇

IPC分类号： G06V20/05 ,  G06V10/82 ,  G06V10/25

摘要： 本发明公开基于增强CenterNet的核电站冷源致灾物识别方法，涉及核电站冷源致灾物识别技术领域。本发明通过构建增强型深度目标检测网络，所述增强型深度目标检测网络采用浅层沙漏网络与残差结构为主干网络，将目标物体视为一个中心点，通过关键点估计的方法找到目标中心点，再回归到其它属性，完成对目标物体的检测与计数。本发明对有无毛虾的识别mAP达到96.75％、计数误差小于15％，可用于核电站海洋生物的探测预警，保证核电冷源安全。