[發(fā)明專利]一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 201710304516.9 | 申請日： | 2017-05-03 |
| 公開（公告）號： | CN107144793B | 公開（公告）日： | 2019-05-21 |
| 發(fā)明（設計）人： | 李巖;趙陽;張承慧;段彬;周忠凱;李澤元 | 申請（專利權(quán)）人： | 山東大學 |
| 主分類號： | G01R31/367 | 分類號： | G01R31/367 |
| 代理公司： | 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221 | 代理人： | 黃海麗 |
| 地址： | 250061 山*** | 國省代碼： | 山東;37 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 動力電池 分數(shù) kibam 模型 參數(shù) 辨識 方法 系統(tǒng) | ||
1.一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識方法，所述動力電池的分數(shù)階KiBaM模型由一個非線性靜態(tài)環(huán)節(jié)與線性動態(tài)環(huán)節(jié)串聯(lián)構(gòu)成；線性動態(tài)環(huán)節(jié)為動力電池的時間常數(shù)構(gòu)成的線性參數(shù)向量，非線性靜態(tài)環(huán)節(jié)為動力電池的非線性放電特性相關(guān)的非線性參數(shù)向量；其特征在于，所述動力電池的分數(shù)階KiBaM模型參數(shù)辨識方法包括：
步驟1：初始化線性參數(shù)向量，利用迭代學習辨識方法來辨識所述分數(shù)階KiBaM模型的分數(shù)階階次，得到分數(shù)階階次初值，由此辨識非線性參數(shù)向量；
步驟2：利用辨識的非線性參數(shù)向量，再結(jié)合分數(shù)階階次，辨識線性參數(shù)向量，進而確定出動力電池的分數(shù)階KiBaM模型；
步驟3：采集動力電池的實際輸出，計算并判斷所確定的動力電池的分數(shù)階KiBaM模型輸出與采集的動力電池實際輸出偏差的范數(shù)是否達到最小值，若是，則結(jié)束辨識，得到動力電池的分數(shù)階KiBaM模型的最優(yōu)參數(shù)；否則，返回步驟1。
2.如權(quán)利要求1所述的一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識方法，其特征在于，在所述步驟1中，利用最小二乘辨識方法辨識非線性參數(shù)向量。
3.如權(quán)利要求1所述的一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識方法，其特征在于，在所述步驟2中，利用最小二乘辨識方法辨識線性參數(shù)向量。
4.一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)，所述動力電池的分數(shù)階KiBaM模型由一個非線性靜態(tài)環(huán)節(jié)與線性動態(tài)環(huán)節(jié)串聯(lián)構(gòu)成；線性動態(tài)環(huán)節(jié)為動力電池的時間常數(shù)構(gòu)成的線性參數(shù)向量，非線性靜態(tài)環(huán)節(jié)為動力電池的非線性放電特性相關(guān)的非線性參數(shù)向量；其特征在于，所述動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)包括：
非線性參數(shù)向量辨識模塊，其用于初始化線性參數(shù)向量，利用迭代學習辨識方法來辨識所述分數(shù)階KiBaM模型的分數(shù)階階次，得到分數(shù)階階次初值，由此辨識非線性參數(shù)向量；
線性參數(shù)向量辨識模塊，其用于利用辨識的非線性參數(shù)向量，再結(jié)合分數(shù)階階次，辨識線性參數(shù)向量，進而確定出動力電池的分數(shù)階KiBaM模型；
模型最優(yōu)參數(shù)獲取模塊，其用于采集動力電池的實際輸出，計算并判斷所確定的動力電池的分數(shù)階KiBaM模型輸出與采集的動力電池實際輸出偏差的范數(shù)是否達到最小值，若是，則結(jié)束辨識，得到動力電池的分數(shù)階KiBaM模型的最優(yōu)參數(shù)。
5.如權(quán)利要求4所述的一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)，其特征在于，在所述非線性參數(shù)向量辨識模塊中，利用最小二乘辨識方法辨識非線性參數(shù)向量。
6.如權(quán)利要求4所述的一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)，其特征在于，在所述線性參數(shù)向量辨識模塊中，利用最小二乘辨識方法辨識線性參數(shù)向量。
7.一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)，所述動力電池的分數(shù)階KiBaM模型由一個非線性靜態(tài)環(huán)節(jié)與線性動態(tài)環(huán)節(jié)串聯(lián)構(gòu)成；線性動態(tài)環(huán)節(jié)為動力電池的時間常數(shù)構(gòu)成的線性參數(shù)向量，非線性靜態(tài)環(huán)節(jié)為動力電池的非線性放電特性相關(guān)的非線性參數(shù)向量；其特征在于，所述動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)包括：
數(shù)據(jù)采集裝置，其被配置為：采集動力電池的實際輸出并傳送至服務器；
所述服務器，其被配置為：
初始化線性參數(shù)向量，利用迭代學習辨識方法來辨識所述分數(shù)階KiBaM模型的分數(shù)階階次，得到分數(shù)階階次初值，由此辨識非線性參數(shù)向量；
利用辨識的非線性參數(shù)向量，再結(jié)合分數(shù)階階次，辨識線性參數(shù)向量，進而確定出動力電池的分數(shù)階KiBaM模型；
計算并判斷所確定的動力電池的分數(shù)階KiBaM模型輸出與采集的動力電池實際輸出偏差的范數(shù)是否達到最小值，若是，則結(jié)束辨識，得到動力電池的分數(shù)階KiBaM模型的最優(yōu)參數(shù)。
8.如權(quán)利要求7所述的一種動力電池的分數(shù)階KiBaM模型參數(shù)辨識系統(tǒng)，其特征在于，所述服務器，還被配置為：利用最小二乘辨識方法辨識非線性參數(shù)向量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于山東大學，未經(jīng)山東大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710304516.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
