-
公开(公告)号：CN114744310B
公开(公告)日：2023-02-03
申请号：CN202210129771.5
申请日：2022-02-11
Applicant: 长安大学
IPC: H01M10/44
Abstract: 本发明公开了基于SOC自适应分阶的动力锂电池两步充电方法，包括：建立动力锂电池等效电路模型，通过实验确定动力锂电池等效电路模型中内阻随SOC变化的拟合曲线，对拟合的内阻‑SOC曲线以1％SOC的步长进行采样，利用Canopy算法对采样点预聚类，确定内阻‑SOC曲线划分的阶数，采用二分K‑means算法对获得内阻‑SOC曲线精确的自适应划分，根据充电电流和内阻对应关系，采用优化后非支配排序的哈里斯鹰优化算法NSHHO求解最优的充电电流组合，根据最优的充电电流组合构建充电策略优化模型，利用充电策略优化模型对充电时间和充电损耗进行优化。该方法较恒流恒压策略和均分多阶恒流充电策略的充电欧姆损失减少有效，温升表现上较小。
-
Patent Agency Ranking
公开(公告)号：CN114720878A
公开(公告)日：2022-07-08
申请号：CN202210295063.9
申请日：2022-03-24
Applicant: 长安大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种退役电池的状态检测方法，包括：采用主程序分析法对常规充电工况下电池终止状态一致性的测试数据分析得到充电曲线的特征值，将特征值运用Canopy算法融合PSO‑k‑means分类算法进行聚类，得到电池最终的分类结果，利用分类好的该型号电池的循环老化测试数据，提取工况曲线的特征值，利用该特征值建立基于自适应PSO‑神经网络容量预测模型建立电池老化模型，用特征值表征电池的容量与内阻的衰减情况，提取电池簇核心部分电池特征值，利用建立好的电池老化模型，快速估计出电池实际容量与阻抗等参数。该方法可以对剩余电量、剩余容量和阻抗状态未知的退役动力电池实现快速分类和状态检测。
-
公开(公告)号：CN117420442A
公开(公告)日：2024-01-19
申请号：CN202311468774.2
申请日：2023-11-07
Applicant: 长安大学
IPC: G01R31/367 , G01R31/392 , G06N3/045 , G06N3/0442 , G06F18/27 , G06F17/18
Abstract: 本发明公开了一种基于MNQ‑LSTM的电池剩余寿命预测方法，涉及电池RUL预测技术领域，包括步骤：通过电池样本数据创建带有右侧截断的T型数据，利用LSTM和MQ‑DNN构建多个非交叉分位数长短期记忆网络MNQ‑LSTM，对MQ‑DNN中的隐藏层添加批量标准化层、dropout层和高斯噪声层；将T型数据作为输入特征输入MNQ‑LSTM中输出K个节点，获得不交叉的RUL点预测的分位数，进行RUL点估计和概率预测；通过RUL点估计和概率预测获得电池寿命的预测结果。本发明对RUL分布以及退化过程进行概率预测，每个电池通过计算多个分位数水平，可以高精度和平滑地推导RUL概率密度分布的估计。
-
公开(公告)号：CN114720878B
公开(公告)日：2022-10-11
申请号：CN202210295063.9
申请日：2022-03-24
Applicant: 长安大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种退役电池的状态检测方法，包括：采用主程序分析法对常规充电工况下电池终止状态一致性的测试数据分析得到充电曲线的特征值，将特征值运用Canopy算法融合PSO‑k‑means分类算法进行聚类，得到电池最终的分类结果，利用分类好的该型号电池的循环老化测试数据，提取工况曲线的特征值，利用该特征值建立基于自适应PSO‑神经网络容量预测模型建立电池老化模型，用特征值表征电池的容量与内阻的衰减情况，提取电池簇核心部分电池特征值，利用建立好的电池老化模型，快速估计出电池实际容量与阻抗等参数。该方法可以对剩余电量、剩余容量和阻抗状态未知的退役动力电池实现快速分类和状态检测。
-
公开(公告)号：CN117388714A
公开(公告)日：2024-01-12
申请号：CN202311468771.9
申请日：2023-11-07
Applicant: 长安大学
IPC: G01R31/367 , G01R31/392 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明提供了一种基于数据特征图像的电池寿命预测方法，涉及电池寿命预测技术领域，包括步骤：获取电池的图像数据，构建胶囊网络，使用图像数据训练胶囊网络，利用迁移学习将训练后的胶囊网络中的知识转移到新网络，从电池图像数据集中提取电池图像的需要识别的特征，将变换矩阵应用于第一个胶囊层的输出，将输出结果与耦合系数相乘，获得每个胶囊的输出，使用胶囊网络模型预测待检测正常状态电池的健康状态和剩余使用寿命，对电池健康状况评估。本发明基于图像的健康预后估计方法减少了预处理工作，从而减少了数据集中人为引起的偏差，提高预测效果。
-
公开(公告)号：CN114744310A
公开(公告)日：2022-07-12
申请号：CN202210129771.5
申请日：2022-02-11
Applicant: 长安大学
IPC: H01M10/44
Abstract: 本发明公开了基于SOC自适应分阶的动力锂电池两步充电方法，包括：建立动力锂电池等效电路模型，通过实验确定动力锂电池等效电路模型中内阻随SOC变化的拟合曲线，对拟合的内阻‑SOC曲线以1％SOC的步长进行采样，利用Canopy算法对采样点预聚类，确定内阻‑SOC曲线划分的阶数，采用二分K‑means算法对获得内阻‑SOC曲线精确的自适应划分，根据充电电流和内阻对应关系，采用优化后非支配排序的哈里斯鹰优化算法NSHHO求解最优的充电电流组合，根据最优的充电电流组合构建充电策略优化模型，利用充电策略优化模型对充电时间和充电损耗进行优化。该方法较恒流恒压策略和均分多阶恒流充电策略的充电欧姆损失减少有效，温升表现上较小。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
