-
公开(公告)号:CN116609673A
公开(公告)日:2023-08-18
申请号:CN202310580527.5
申请日:2023-05-22
申请人: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC分类号: G01R31/367 , G01R31/392 , G06F18/241 , G06F18/214 , G06N3/0442
摘要: 本申请提出一种基于充电特征和迁移学习的电池剩余寿命预测方法及装置,涉及电池寿命预测技术领域。其中,方法包括:获取待测电池在距当前最近一次充电过程的充电数据;将充电特征数据输入至预设的电池剩余寿命预测模型,获得待测电池当前的剩余寿命预测值;其中,电池剩余寿命预测模型为已基于迁移学习的方式,学习得到待测电池的充电特征数据与剩余寿命之间映射关系的神经网络模型。该方案可以实现对电池剩余寿命的准确预测。
-
公开(公告)号:CN118625139A
公开(公告)日:2024-09-10
申请号:CN202410662308.6
申请日:2024-05-27
申请人: 重庆大学
IPC分类号: G01R31/367 , G01R31/392 , G06F18/213 , G06F18/25 , G06F18/2415 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N5/045 , G06N3/045 , G06N3/0464 , G06N3/084
摘要: 本发明涉及一种局部全局特征融合的锂离子电池退化模式可解释诊断方法,属于锂离子电池的健康管理领域。该方法包括:利用不同温度下的锂离子电池充放电试验得到的充电V‑Q曲线,先将其转换为充电IC曲线,再将IC曲线转换为2D图像,进行特征提取以获得高维特征,作为深度神经网络的训练图像;基于局部全局特征融合的电池退化特征提取模块,通过提取长期依赖信息来增强特征的显著性;基于电池退化模式可解释性诊断模块,通过突出焦点区域来显示网络模型对IC曲线图像变化的关注点,结合IC曲线分析理论,分析IC曲线的峰值变化,建立物理相关性来完成决策过程的可解释性分析,实现锂电池退化模式的可解释性诊断。
-
公开(公告)号:CN118604626A
公开(公告)日:2024-09-06
申请号:CN202410638786.3
申请日:2024-05-22
申请人: 重庆大学
IPC分类号: G01R31/367 , G01R31/385 , G01R31/392 , G06F30/27 , G06N3/0455 , G06N3/08 , G06F119/08
摘要: 本发明涉及一种基于温度特征和深度学习的电池热失控温度预测方法及装置,属于电池热失控温度预测技术领域。方法包括:获取待测电池的历史温度数据;将温度数据输入至预设的电池热失控温度预测模型,获得待测电池未来的温度预测值;其中,电池热失控温度预测模型为已经学习得到待测电池的历史温度数据与未来温度数据之间映射关系的神经网络模型。该方案可以实现对电池热失控温度的准确预测。
-
公开(公告)号:CN115288548B
公开(公告)日:2024-04-05
申请号:CN202211041398.4
申请日:2022-08-29
申请人: 招商局检测车辆技术研究院有限公司 , 重庆大学
IPC分类号: E05F1/10 , E05F7/00 , G01M17/007 , G01N31/12
摘要: 本发明提出了一种车内门锁功能验证装置,包括推动机构和解锁机构;推动机构包括前壳体、推力装置、滑块、连杆和推板,滑块连接在推力装置的前端,推板铰接在前壳体的前端,连杆连接于推板和滑块之间;解锁机构包括后壳体、推杆、摆臂和传动组件,摆臂转动安装于后壳体的底面,摆臂的另一端安装有能够与车门内拉手卡接的卡块;传动组件连接于推杆和第一竖直转轴之间,使摆臂由推杆带动摆动。本发明的车内门锁功能验证装置,启动推力装置后,其产生的推力作用在滑块和推杆上,进而通过推杆带动摆臂摆动,使卡块带动车门内拉手拉开,解开门锁;滑块因推力作用产生向前滑动的趋势,测试车门能否打开,能够验证车门锁的功能是否正常。
-
公开(公告)号:CN111220912A
公开(公告)日:2020-06-02
申请号:CN202010060435.0
申请日:2020-01-19
申请人: 重庆大学
IPC分类号: G01R31/367 , G01R31/392 , G01R31/387
摘要: 本发明涉及一种基于移植神经网络的电池容量衰减轨迹预测方法,属于电池管理技术领域。该方法包括:S1选定待测试的动力电池,制定两种不同工况的循环条件,针对这两种不同工况的循环条件分别进行电池老化实验,采集电池测试数据;S2根据所采集的电池测试数据,计算电池在对应工况下的容量衰减,生成基准模型训练数据库和移植神经网络训练数据库;S3选取基模型种类,用基准模型训练数据库中的全部数据辨识基模型的参数;S4根据所收集的移植神经网络训练数据库进行移植神经网络训练,建立移植神经网络模型;S5基于移植神经网络模型对衰减较慢的电池未来容量轨迹进行预测。本发明具有代价小、复杂度低和移植性好等优点。
-
公开(公告)号:CN111090048A
公开(公告)日:2020-05-01
申请号:CN201911320859.X
申请日:2019-12-19
申请人: 重庆大学 , 重庆长安新能源汽车科技有限公司
IPC分类号: G01R31/367 , G01R31/396 , H04L29/08
摘要: 本发明涉及一种新能源汽车车载数据自适应时间间隔传输方法,属于车载数据处理领域。该方法包括:S1选取实验室条件下或者实际能源汽车动力电池的动态工况数据,收集整理电池的技术参数;S2截取一段电压、温度或电流数据,利用哈尔小波变换提取小波分解系数,对系数处理后再进行小波重构;S3根据重构后的电压、温度或电流数据记录每段的初始时刻和对应的原电压、温度或电流数据,得到降维后的电压、温度或电流数据,并记录相应时刻的车载其他数据;S4对处理后的电池数据进行建模与状态估计。本发明能够获得自适应时间间隔传输车载数据,保证剧烈工况下数据的完整性,建模与状态估计精度更高,相比于当前固定时间间隔的传输更具有优势。
-
公开(公告)号:CN111007417A
公开(公告)日:2020-04-14
申请号:CN201911245131.5
申请日:2019-12-06
申请人: 重庆大学 , 重庆长安新能源汽车科技有限公司
IPC分类号: G01R31/392 , G01R31/367 , G01R31/388 , G01R31/3842
摘要: 本发明涉及基于不一致性评估的电池组SOH和RUL预测方法及系统,属于电池管理技术领域。该方法包括步骤:选定待测串联电池组,收集整理该串联电池组的技术参数;进行多段变电流工况充电和恒电流放电的循环老化工况,并收据单体电压,电池组电压以及电流等数据,建立电池组老化数据库。判断局部充电阶段,基于电压变化节点提取多个特征参量。基于提取的特征参量评估电池组不一致性,进行多输入双输出的数据驱动回归模型训练。利用测试集数据进行电池组不一致性大小评估及运用训练得到的回归模型进行电池组SOH及RUL的在线预测。本发明在评估电池组不一致性大小的基础上,进行电池组状态和寿命的预测,并适应实际使用中不完整充放电状况。
-
公开(公告)号:CN108544913B
公开(公告)日:2019-08-27
申请号:CN201810283989.X
申请日:2018-04-02
申请人: 重庆大学
摘要: 本发明涉及新能源汽车领域,具体公开了一种三电机传动结构纯电动汽车,包括一个前轴驱动电机和两个型号相同的后轮驱动电机,两个后轮驱动电机为左后轮驱动电机及右后轮驱动电机;其中前轴驱动电机与电动汽车前轴连接,左后轮驱动电机安装在电动汽车左后轮的轮毂上,右后轮驱动电机安装在电动汽车右后轮轮毂上;两个后轮驱动电机的尺寸、峰值转矩和功率均小于前轴驱动电机;前轴驱动电机的输出端连接有离合器,三个驱动电机为电动汽车提供转矩,所述离合器在断开时转矩平均分配给两个后轮驱动电机,所述离合器在需求转矩达到预定值时接合,转矩按预设分配算法分配给三个驱动电机。本发明还公开了一种三电机传动结构纯电动汽车的转矩分配优化算法。
-
公开(公告)号:CN108508371A
公开(公告)日:2018-09-07
申请号:CN201810313074.9
申请日:2018-04-09
申请人: 重庆大学
IPC分类号: G01R31/36
摘要: 本发明涉及一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法,属于电池管理技术领域。该方法包括以下步骤:首先选定动力电池的类型及型号,获取相应技术参数并建立电池等效电路模型;随后,在特定温度下,对被测电池进行涓流充放电实验及HPPC实验获得电池特征参数;进一步通过实验数据建立电池OCV与SOC间的关系,同时对电池模型中的参数进行辨识并反馈至模型中;最后,向联合估计算法导入传感器数据,通过mMHE方法和滚动窗口在线参数辨识方法更新模型参数,并实现SOC、SOH及SOP的在线联合估计。本发明在保证一定运算速度的条件下,对SOC、SOH及SOP实现不同时间尺度下的精确估计。
-
公开(公告)号:CN118731746A
公开(公告)日:2024-10-01
申请号:CN202410721972.3
申请日:2024-06-05
申请人: 重庆大学
IPC分类号: G01R31/392 , G01R31/367 , G06F18/25 , G06N3/045 , G06N3/08
摘要: 本发明涉及一种基于多视角特征融合的锂电池SOH估计方法,属于新能源锂电池技术领域。该方法包括:对锂电池进行重复充放电实验,收集锂电池充电过程中,低于总充电时间50%的电压和电流数据;对电压数据和电流数据进行预处理,分解为时序单维数据和空间矩阵数据两个视角;将电压和电流数据的两个视角数据作为SOH预测模型的输入,对SOH预测模型进行训练;获取待测锂电池电压和电流的两个视角数据,并输入训练好的SOH预测模型中进行SOH预测。本发明利用多视角融合的方式处理电压、电流数据,提供更加全面的健康状态语意信息,从而进行多视角信息处理和交互,提高预测精度。
-
-
-
-
-
-
-
-
-