基于深度神经网络的锂电池SOH在线估算方法.pdf

一种基于BP神经网络的锂电池SOC估算方法_1800001321573411.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号CN106443453A (43)申请公布日 2017.02.22 (21)申请号201610526989.9 (22)申请日2016.07.04 (71)申请人陈逸涵地址325200浙江省温州市瑞安市安阳街道隆山东路295弄5幢2-2号 (72)发明人陈逸涵 (74)专利代理机构北京轻创知识产权代理有限公司11212 代理人谈杰 (51)Int.Cl. G01R31/36(2006.01) 权利要求书2页说明书6页附图3页 (54)发明名称一种基于BP神经网络的锂电池SOC估算方法 (57)摘要本发明公开

2025-03-26 约1.34万字 12页立即下载

《基于BP神经网络的锂电池SoC在线预测_苑倩.》.pdf 第卷第期河北工业大学学报年月 43 5 20 14 10 Vol.43 No.5 JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGY

2016-01-06 约3.1万字 7页立即下载

一种基于卷积时间记忆神经网络的锂电池容量估计方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112986830 A (43)申请公布日 2021.06.18 (21)申请号 202110434835.8 (22)申请日 2021.04.22 (71)申请人湖北工业大学地址

2023-06-07 约1.09万字 10页立即下载

基于竞争型生成式对抗神经网络的锂电池SOC估计方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114545255 B (45)授权公告日 2022.08.26 (21)申请号 202210052447.8 G01R 31/367 (2019.01)

2023-05-06 约2.76万字 20页立即下载

一种基于神经网络常微分方程的锂电池健康状态估计方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114545279 A (43)申请公布日 2022.05.27 (21)申请号 202210175767.2 (22)申请日 2022.02.24 (71)申请人重庆邮电大学地址 400000

2023-05-10 约1.78万字 15页立即下载

基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究-控制理论与控制工程专业论文.docx 万方数据万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：年月日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的

2019-03-29 约6.69万字 83页立即下载

基于神经网络和数据融合的汽车锂电池动态充电保护系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112838640 A (43)申请公布日 2021.05.25 (21)申请号 202110014875.7 (22)申请日 2021.01.06 (71)申请人江苏骥驰聚能汽车科技有限公司

2023-06-06 约1.65万字 13页立即下载

基于MIUKF算法的锂电池SOC和SOH联合在线估算研究.pdf 摘要当前我国能源与环境问题日益突显，电动汽车凭借其低污染高效能的优点得到了社会及汽车产业研发部门的广泛关注。电池管理系统（BMS）被广泛用于管理、观察和保护电池以确保车辆的安全可靠运行。锂电池的荷电状态（SOC）和健康状态（SOH）的估算是电池管理系统中的关键部分，能够实时控制电池的能量均衡问题。本文将18650型锂电池作为实验对象，对其建立等效电路模型并进行内部参数辨识，基于改进的算法实现对锂电池的SOC和 SOH的联合在线预估。首先，本文详细介绍了锂电池的内部结构以及工作原理，同时对其基本性能指标进行分析，重点分析了锂电池电压特性、电阻特性、容量特性以及充放电倍率特性。基于模

2025-03-27 约9.28万字 64页立即下载

基于深度学习的锂电池SOC及SOH联合预测方法研究.docx 基于深度学习的锂电池SOC及SOH联合预测方法研究一、引言随着电动汽车和移动设备市场的不断扩张，锂电池的使用愈发普遍。为确保电池的有效和安全使用，准确预测锂电池的SOC（StateofCharge，荷电状态）和SOH（StateofHealth，健康状态）显得尤为重要。传统的预测方法通常基于经验模型或数学模型，然而这些方法往往存在精度不足、泛化能力弱等问题。近年来，深度学习技术的崛起为锂电池SOC及SOH的联合预测提供了新的解决方案。本文旨在研究基于深度学习的锂电池SOC及SOH联合预测方法，以提高预测精度和泛化能力。二、锂电池SOC及SOH预测的重要性 锂电池的SOC和SOH是

2025-02-12 约4.8千字 10页立即下载

2023-06-06 约2.22万字 15页立即下载

基于变异的深度神经网络模型修复方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361709 A (43)申请公布日 2021.09.07 (21)申请号 202110639424.2 (22)申请日 2021.06.08 (71)申请人北京信息科技大学地址

2023-06-16 约1.03万字 10页立即下载

基于图卷积神经网络的单目深度估计方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112967326 A (43)申请公布日 2021.06.15 (21)申请号 202110237547.3 G06N 3/04 (2006.01)

2023-06-06 约1.76万字 18页立即下载

模糊神经网络专家系统在动力锂电池组故障诊断中的应用.doc 模糊神经网络专家系统在动力锂电池组故障诊断中的应用* 王一卉，姜长泓（长春工业大学电气与电子工程学院，长春 130012）摘要：动力锂电池故障的产生原因具有一定的复杂性和不确定性。为此，本文提出了一种基于模糊神经网络的故障诊断专家系统，该方法结合了模糊数学，神经网络以及专家系统的优点。用模糊数学可以将症状模糊化以表征故障的隶属度；神经网络具有良好的自学习能力；专家系统具有推理能力强；三者的相互结合，即提高了系统的准确性和可操作性，又满足了对故障诊断智能化，自动化的要求。试验结果表明该方法可以准确的判断出系统的故障，不仅将故障检测的精度提高到，预测误差在之间，而且检测时间大大缩短。提高了

2017-01-23 约9.46千字 7页立即下载

模糊神经网络专家系统在动力锂电池组故障诊断中的应用.doc 模糊神经网络专家系统在动力锂电池组故障诊断中的应用* 王一卉，姜长泓（长春工业大学电气与电子工程学院，长春 130012）摘要：动力锂电池故障的产生原因具有一定的复杂性和不确定性。为此，本文提出了一种基于模糊神经网络的故障诊断专家系统，该方法结合了模糊数学，神经网络以及专家系统的优点。用模糊数学可以将症状模糊化以表征故障的隶属度；神经网络具有良好的自学习能力；专家系统具有推理能力强；三者的相互结合，即提高了系统的准确性和可操作性，又满足了对故障诊断智能化，自动化的要求。试验结果表明该方法可以准确的判断出系统的故障，不仅将故障检测的精度提高到，预测误差在之间，而且检测时间大大缩短。提高了

2017-02-07 约9.46千字 7页立即下载

一种基于多片段数据的储能电站锂电池SOH估计方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116953554 A (43)申请公布日 2023.10.27 (21)申请号 202310921761.X G01R 31/378 (2019.01)

2023-10-24 约1.57万字 12页立即下载