公开(公告)号：CN114035054B

公开(公告)日：2024-10-22

申请号：CN202111359259.1

申请日：2021-11-17

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  刘家尉 ,  谢昊飞 ,  陈丰伟 ,  刘井响 ,  李鹏华 ,  杨扬

IPC: G01R31/382

Abstract: 本发明属于锂电池SoC估计领域，具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法；该方法包括：实时获取待检测的锂电池的电流和电压；将获取的电流和电压输入到神经网络联合估计模型中，得到待检测的锂电池SoC估计结果，本发明利用锂电池电化学模型结合神经网络非线性参数化方法，提高了模型的泛化能力；使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合，提高算法估计精度；通过实时更新模型参数，解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题；与深度学习的估计方法相比，需要的数据量更小，抗噪声的能力更强。

公开(公告)号：CN111930014A

公开(公告)日：2020-11-13

申请号：CN202010814214.8

申请日：2020-08-13

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  黄祎 ,  谢昭贤 ,  陈丰伟 ,  刘井响 ,  李鹏华 ,  朱智勤

IPC: G05B13/04

Abstract: 本发明涉及一种动静态数据混合驱动的Hammerstein非线性工业系统简约灰箱子空间辨识方法，属于控制理论与控制工程非线性系统辨识领域。该方法包括：S1：采集系统动态数据和静态数据；S2：选择和处理Hammerstein非线性系统模型，得到预测模型；S3：构建Hammerstein非线性系统动态简约模型；S4：构建Hammerstein非线性系统静态简约模型；S5：利用递阶拉格朗日最优加权方法求解系统参数融合辨识。本发明同时采用动静态数据，基于分解的简约模型，避免对额外中间参数的估计，降低估计模型的方差、提高模型精度。

公开(公告)号：CN114035054A

公开(公告)日：2022-02-11

申请号：CN202111359259.1

申请日：2021-11-17

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  刘家尉 ,  谢昊飞 ,  陈丰伟 ,  刘井响 ,  李鹏华 ,  杨扬

IPC: G01R31/382

Abstract: 本发明属于锂电池SoC估计领域，具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法；该方法包括：实时获取待检测的锂电池的电流和电压；将获取的电流和电压输入到神经网络联合估计模型中，得到待检测的锂电池SoC估计结果，本发明利用锂电池电化学模型结合神经网络非线性参数化方法，提高了模型的泛化能力；使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合，提高算法估计精度；通过实时更新模型参数，解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题；与深度学习的估计方法相比，需要的数据量更小，抗噪声的能力更强。

公开(公告)号：CN111930014B

公开(公告)日：2022-07-01

申请号：CN202010814214.8

申请日：2020-08-13

Applicant: 重庆邮电大学

Inventor： 侯杰 ,  黄祎 ,  谢昭贤 ,  陈丰伟 ,  刘井响 ,  李鹏华 ,  朱智勤

IPC: G05B13/04

Abstract: 本发明涉及一种动静态数据混合驱动的Hammerstein非线性工业系统简约灰箱子空间辨识方法，属于控制理论与控制工程非线性系统辨识领域。该方法包括：S1：采集系统动态数据和静态数据；S2：选择和处理Hammerstein非线性系统模型，得到预测模型；S3：构建Hammerstein非线性系统动态简约模型；S4：构建Hammerstein非线性系统静态简约模型；S5：利用递阶拉格朗日最优加权方法求解系统参数融合辨识。本发明同时采用动静态数据，基于分解的简约模型，避免对额外中间参数的估计，降低估计模型的方差、提高模型精度。