本发明涉及一种基于消息传播的动力电池配组方法。现有配组方法劳动强度大,易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据,然后计算所有电池充放电序列两两间的距离,获得电池两两间的相似度度量,采用消息传播算法对电池进行聚类,最终根据聚类结果,完成电池配组。本发明方法的电池配组结果与传统人工配组相比,可以大大提高组内电池的一致性,从而大大提高成组电池的品质。
📄 201610179156X
📂 H01M10_04
👤 杭州电子科技大学
📅 2016-03-25
本发明涉及一种基于深度学习的动力电池配组方法。现有配组方法劳动强度大,易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据,并对充放电数据进行归一化,然后构建两层稀疏自编码神经网络模型,训练获得两层模型编码器的最优权值矩阵和偏置向量,以电池的充放电序列为输入,两层编码器级联构建深度神经网络,计算所有电池充放电序列通过该深度神经网络后的输出向量,最终对所有输出向量进行聚类,完成电池配组。本发明方法可以自动提取动力电池的充放电一致性特征,提高组内电池的一致性,从而提高成组电池的品质。
📄 2016101826094
📂 H01M10_44
👤 杭州电子科技大学
📅 2016-03-25
本发明公开了一种环境自适应的动力电池充放电监控系统,包括有电池管理控制器以及温度调控装置;所述温控调节装置包括有冷却装置和加热装置,所述电池仓包括有电池包隔间、设置有所述加热装置的加热隔间、设置有所述电池管理控制器的控制隔间以及底座,所述底座与电池包隔间通过冷却板实现分隔,所述电池包隔间内以阵列方式设置有若干电池槽,若干所述电池槽内安置有电池模组,相邻电池槽之间留有间隙,间隙内设置有导热板,所述导热板与冷却板固定连接实现热传导效应,所述冷却板与冷却装置之间实现热交换。该方案设置有温度调节装置通过调节电池包隔间的环境温度使得电池包处于适宜的温度环境中,保障电池包的充放电安全和效率。
📄 2021104805230
📂 H01M10_613
👤 金华职业技术大学
📅 2021-04-30
本发明公开了一种基于改进粒子滤波的动力电池荷电状态估计方法,属于动力电池状态估计技术领域。该方法通过获取包含未知但有界噪声的动力电池荷电状态估计系统的非线性离散通用分析模型,基于以超平行体集员滤波改进的粒子滤波思想,设计了空间更新策略,首先对非线性系统进行线性化,并通过闵可夫斯基和得到系统状态、线性误差和噪声的全对称多胞体可行集,并将其转换为半空间形式。通过扩展半空间的组合,选择了最小体积边界超平行体作为预测可行域。然后,计算预测可行域与测量带的交集进行更新,实现粒子可行域内的粒子筛选。基于MAP准则将可行域外的粒子映射到可行域,在保持粒子多样性的同时使粒子分布更接近真实状态。
📄 2024103110755
📂 G01R31_367
👤 江南大学
📅 2024-03-19
本发明公开了一种动力电池化成设备故障主动隔离方法,属于动力电池故障诊断技术领域。所述方法通过获取包含未知但有界噪声与故障的动力电池化成设备状态模型,基于全对称多胞体集员滤波思想,设计了空间更新策略,构造了状态观测器,此时不需假定模型噪声的先验分布已知,增强了算法的鲁棒性和实用性;通过引入测试点来执行故障检测,将状态可行集和故障集相切表示为发生故障的临界条件,并将此临界条件描述为两个优化问题直接求取辅助信号取值,实现故障有效隔离,避免了传统方法中依赖观测器性能指标设计辅助信号时导致的问题复杂性;经仿真实例证明,相比于传统方法,本申请方法对微小故障的敏感性更强,更能避免对故障的检测延迟或漏检,提升了故障检测和隔离的效率。
📄 2024102421988
📂 G06F30_20
👤 江南大学
📅 2024-03-04
本发明涉及一种光伏电池组件缺陷检测方法和系统,其中,方法包括:步骤S1:获取关于光伏电池组件的图像数据;步骤S2:构建检测模型,检测模型基于YOLOv8‑nano构建,包括依次连接的Backbone模块、Neck模块和Head模块;在Backbone模块中加入EMA注意力机制,得到YOLOv8n‑EMA模型;步骤S4:通过最小化损失函数来训练所述YOLOv8n‑EMA模型,使所述YOLOv8n‑EMA模型收敛;步骤S5:利用收敛的YOLOv8n‑EMA模型对光伏电池组件的图像数据进行缺陷检测。本发明的YOLOv8n‑EMA模型提升了对缺陷特征学习的能力,进而提高了光伏电池组件缺陷检测的精度。
📄 2023118071068
📂 G06T7_00
👤 江南大学
📅 2023-12-26
本发明公开了一种基于双编码遗传聚类的动力电池定制化配组方法,属于动力电池制造技术领域。所述方法针对动力电池配组制定目标函数之前,创新性引入德尔菲专家打分法的提出一种基于定制需求的目标函数建立方式,而且同时编码类中心与类属性的改进型遗传聚类算法避免了因现有动力电池配组算法陷入局部最优的缺陷导致无法得出一致性最优配组结果的问题,且用理论证明了改进基因编码方式的遗传聚类算法的全局收敛性,即本方法最终可以求出动力电池配组的最优结果,与普通遗传算法在配组速度与配组结果都所改进。
📄 2023101724194
📂 G06Q10_0639
👤 江南大学
📅 2023-02-27
本发明公开了一种基于AAF和深度学习的动力电池健康状态预测方法,属于动力电池SOH预测领域。所述方法首先利用集成经验模态分解技术和相关性分析方法将SOH时间序列分解成主趋势时间序列和波动时间序列,其次利用DBN对主趋势时间序列进行预测,针对波动时间序列,先进行数据预处理,然后采用抗混叠低通滤波器对预处理之后的序列进行重采样,之后利用长短期记忆神经网络LSTM对重采样之后序列进行预测,然后再对波动序列预测结果进行反重采样和逆向数据处理得到波动时间序列最终预测值,最后将主趋势时间序列和波动时间序列预测结果进行集成得到最终的SOH预测结果,实现了动力电池SOH的高精度预测。
📄 202310070487X
📂 G01R31_392
👤 江南大学
📅 2023-02-07
本发明公开了基于蒙特卡洛和深度学习的动力电池剩余寿命预测方法,属于动力电池技术领域。该方法利用EEMD技术和相关性分析方法将SOH时间序列分解成主趋势时间序列和波动时间序列,利用深度置信网络对主趋势时间序列进行预测,利用蒙特卡洛技术求得最优区间阈值集合后对波动时间序列进行数据预处理,然后采用分段三次埃尔米特插值进行重采样,之后利用长短期记忆神经网络对重采样之后序列进行预测,然后再对波动序列预测结果进行反重采样和逆向数据处理得到最终预测值,然后将主趋势时间序列和波动时间序列预测结果进行集成得到最终的SOH预测结果,结合电池寿命结束时的SOH值得到剩余寿命的预测值,实现了动力电池剩余寿命的高精度预测。
📄 2023100704901
📂 G01R31_392
👤 江南大学
📅 2023-02-07
本发明公开了一种基于iPSO‑LSTM模型的动力电池温度预测方法,属于动力电池制造预测技术领域。所述方法定义惰性粒子,迭代过程中将惰性粒子的位置重置为全局最优粒子的位置,但不改变该粒子的搜索速度。通过重置位置但不改变搜索速度的策略使更换位置后的粒子拥有了搜索意义,并且不进行时间浪费。本申请添加惰性粒子的定义与处理策略使得iPSO‑LSTM模型在不损失精度的同时增加了收敛的速度,降低了无效粒子搜索的可能性,同时增大了每轮最优值附近的搜索范围,最终快速准确的寻优得到最优超参数,将最优超参数带入LSTM模型实现对于动力电池温度的快速准确预测。
📄 2023100457020
📂 G06F30_25
👤 江南大学
📅 2023-01-30
本发明公开了一种双重扰动下基于多胞滤波的动力电池温度估计方法,属于动力电池状态估计技术领域。所述方法包括建立未知但有界噪声与高斯噪声混合的动力电池电热模型,基于多胞空间模型和已知噪声的概率分布情况,设计多胞更新策略,构造状态估计器,基于均方误差最小和多胞空间最小得到满足一定概率分布的噪声和未知但有界噪声的最优权重,而非取相同权重,从而提高了包含状态真值的估计区间的准确性。相比于现有的结合随机和集员的混合噪声双重滤波的状态估计方法,本申请方法状态估计精度更高,由于结果区间更小,因此可进一步确定估计具体值。
📄 2022107068885
📂 G06F30_20
👤 江南大学
📅 2022-06-21
本发明公开了一种基于双集员滤波的动力电池性能检测方法,属于动力电池生产领域。通过使用嵌套的双集员算法,获得动力电池的SOC和SOH联合模型后,根据SOC和SOH状态方程间的耦合关系,通过全对称多胞体算法进行交替运算,将SOH的k时刻更新步结果作为已知量,带入k+1时刻的SOC预测步计算中;将k+1时刻的SOC预测步的结果作为已知量,带入k+1时刻SOH更新步的计算中,以此实现交替运算。不同于两个独立的滤波算法,本申请方法在联合建模的基础上进一步加强了SOC和SOH的耦合关系,同时,将滤波后的结果带入算法交替运算,减少了噪声带来的影响,使得算法结果更为精确且鲁棒性更高。
📄 2022103480414
📂 G01R31_367
👤 江南大学
📅 2022-03-25