CN112255549B - 一种电池容量增量的滤波方法、系统、装置及介质 - Google Patents
一种电池容量增量的滤波方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN112255549B CN112255549B CN202010932716.0A CN202010932716A CN112255549B CN 112255549 B CN112255549 B CN 112255549B CN 202010932716 A CN202010932716 A CN 202010932716A CN 112255549 B CN112255549 B CN 112255549B
- Authority
- CN
- China
- Prior art keywords
- battery
- filtering
- capacity increment
- batch
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008569 process Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000001629 suppression Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000036541 health Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池容量增量的滤波方法、系统、装置及介质,本发明在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。本发明分别从时间维度和批次维度对电池容量增量进行滤波处理,能够提升对电压测量噪声的抑制,滤波后的容量增量峰值数值和峰值电压与电池健康状态的相关关系会明显变强,可广泛应用于电池检测技术领域。
Description
技术领域
本发明涉及电池检测技术领域,尤其是一种电池容量增量的滤波方法、系统、装置及介质。
背景技术
电池是一个高度复杂的非线性系统。其关键的老化特征通常会和电池的温度、剩余电量等因素产生非线性耦合。容量增量作为一种新兴的老化特征,其优势在于完全无需电池剩余电量的信息。然而,电池容量增量的方法涉及到电池电压的微分运算,因此对噪声和对应的数字滤波器性能非常敏感。
因此,如何对电压测量噪声进行有效抑制,是一个亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供一种电池容量增量的滤波方法、系统、装置及介质。
本发明的第一方面提供了一种电池容量增量的滤波方法,包括:
在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。
在一些实施例中,所述当前电压为离散记录的电压,所述当前电压的分辨率不低于10mv。
在一些实施例中,所述电池容量增量的估算公式为:
其中,z表示电池容量增量,s表示批次编号,V表示测量得到的电池端电压,k表示在第s批次下记录的第k个电压点,Q表示测量得到的电池当前电量,d表示微分算符,[]表示取整算符。
在一些实施例中,所述在时间方向上对电池端电压进行第一滤波,包括:
获取上一个批次中对电池容量增量的滤波结果;
获取当前电压测量值;
根据所述上一个批次中对电池容量增量的滤波结果以及所述当前电压测量值,计算当前批次中对所述电池端电压的滤波结果。
在一些实施例中,所述在时间方向上对电池容量增量进行第一滤波,包括:
获取上一个批次中对电池容量增量的滤波结果;
获取当前容量增量的近似计算结果;
根据所述上一个批次中对电池容量增量的滤波结果以及所述当前容量增量的近似计算结果,计算当前批次中对电池容量增量的滤波结果。
在一些实施例中,所述方法还包括在批次方向上进行初始化处理的步骤。
在一些实施例中,所述方法还包括在在当前批次的时间方向上进行初始化处理的步骤。
本发明的第二方面提供了一种电池容量增量的滤波系统,包括:
时间维度滤波模块,用于在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
批次维度滤波模块,用于根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。
本发明的第三方面提供了一种装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如本发明第一方面所述的方法。
本发明的第四方面还提供了一种存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如本发明第一方面所述的方法。
本发明的实施例首先在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;然后根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。本发明分别从时间维度和批次维度对电池容量增量进行滤波处理,能够提升对电压测量噪声的抑制,滤波后的容量增量峰值数值和峰值电压与电池健康状态的相关关系会明显变强。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
针对现有技术存在的问题,本发明实施例提供了一种电池容量增量的滤波方法,参照图1,该方法包括以下步骤:
S1、在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
S2、根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。
在一些实施例中,所述当前电压为离散记录的电压,所述当前电压的分辨率不低于10mv。
在一些实施例中,所述电池容量增量的估算公式为:
其中,z表示电池容量增量,s表示批次编号,V表示测量得到的电池端电压,k表示在第s批次下记录的第k个电压点,Q表示测量得到的电池当前电量,d表示微分算符,[]表示取整算符。
在一些实施例中,所述在时间方向上对电池端电压进行第一滤波,包括:
S101、获取上一个批次中对电池容量增量的滤波结果;
S102、获取当前电压测量值;
S103、根据所述上一个批次中对电池容量增量的滤波结果以及所述当前电压测量值,计算当前批次中对所述电池端电压的滤波结果。
在一些实施例中,所述在时间方向上对电池容量增量进行第一滤波,包括:
S111、获取上一个批次中对电池容量增量的滤波结果;
S112、获取当前容量增量的近似计算结果;
S113、根据所述上一个批次中对电池容量增量的滤波结果以及所述当前容量增量的近似计算结果,计算当前批次中对电池容量增量的滤波结果。
在一些实施例中,所述方法还包括步骤S3:在批次方向上进行初始化处理。
在一些实施例中,所述方法还包括步骤S4:在在当前批次的时间方向上进行初始化处理。
综上所述,本发明提出了一种用于对容量增量曲线滤波的二维滤波器,该二维滤波器包括时间维度滤波和批次维度滤波。
可以理解的是,滤波器的目标是实时估计电池当前电压下所对应的容量增量的数值。其中当前电压是离散记录的,分辨率不低于10mV,也即估计:
其中,z表示容量增量,上标s表示批次编号,V表示测量得到的电池端电压,下标k表示在第s批次下记录的第k个电压点,Q表示测量得到的电池当前电量,可以由电池电流在时间上的积分计算得到,d是微分算符,[]是取整算符,分辨率不低于10mV。
本发明实施例将在时间方向上同时对电池端电压和电池容量增量这两个变量进行滤波。
而所述的批次维度滤波,实质在批次方向上对电池的容量增量进行滤波,且其具体实现需要依赖于时间维度的滤波。
所述的对电池端电压的滤波,需要同时依赖上一个批次对电池容量增量的滤波结果和当前电压测量值,具体地:
其中,上标^表示估计,代表s批次k时刻的容量;/>代表s-1批次下,电压/>所对应的容量增量值的估计值;Lk是反馈增益,/>是/>在k-1时刻做出的先验估计。
所述对电池容量增量的滤波,需要同时依赖上一个批次对电池容量增量的滤波结果和当前容量增量的近似计算结果,具体地:
其中,j是计数变量,高斯滤波器窗口长度为:2Np+1,g()为高斯滤波函数窗;Np是正整数,高斯滤波器窗口的宽度是奇数;具体由计算得到(其中μ代表均值,σ2代表方差),/>为当前批次当前时刻下容量增量的近似计算结果,具体由得到(其中NI为有限差分的窗口宽度),Kk为抗漂移反馈增益,具体由/>计算得到(其中K取常数)。
所述的批次维度滤波,需要在批次方向上初始化,具体地:其中C代表不为0的常数。
所述的对电池端电压的滤波,需要在当前批次的时间方向上初始化,具体地:
综上所述,本发明将原始的一维(时间方向)滤波拓展到二维后,该方法对电压测量噪声的抑制程度有很大提升,滤波后的容量增量峰值数值(peak value of theincremental capacity curve)和峰值电压(peak voltage of the incremental curve)与电池健康状态(state-of-health)的相关关系会明显变强。
本发明实施例还提供了一种电池容量增量的滤波系统,包括:
时间维度滤波模块,用于在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
批次维度滤波模块,用于根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值。
本发明实施例还提供了一种装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现电池容量增量的滤波方法。
本发明实施例还提供了一种存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如本发明的电池容量增量的滤波方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种电池容量增量的滤波方法,其特征在于,包括:
在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值;
所述在时间方向上对电池端电压进行第一滤波,包括:
获取上一个批次中对电池容量增量的滤波结果;
获取当前电压测量值;
根据所述上一个批次中对电池容量增量的滤波结果以及所述当前电压测量值,计算当前批次中对所述电池端电压的滤波结果。
2.根据权利要求1所述的一种电池容量增量的滤波方法,其特征在于,所述当前电压为离散记录的电压,所述当前电压的分辨率不低于10mv。
3.根据权利要求1所述的一种电池容量增量的滤波方法,其特征在于,所述电池容量增量的估算公式为:
其中,z表示电池容量增量,s表示批次编号,表示测量得到的电池端电压,k表示在第s批次下记录的第k个电压点,Q表示测量得到的电池当前电量,d表示微分算符,[]表示取整算符。
4.根据权利要求1所述的一种电池容量增量的滤波方法,其特征在于,所述方法还包括在批次方向上进行初始化处理的步骤。
5.根据权利要求1所述的一种电池容量增量的滤波方法,其特征在于,所述方法还包括在当前批次的时间方向上进行初始化处理的步骤。
6.一种电池容量增量的滤波系统,其特征在于,包括:
时间维度滤波模块,用于在时间方向上对电池容量增量和电池端电压进行第一滤波,得到第一结果;
批次维度滤波模块,用于根据所述第一结果,在批次方向上对电池容量增量进行第二滤波,确定电池在当前电压下的容量增量值;
所述时间维度滤波模块,具体用于:
获取上一个批次中对电池容量增量的滤波结果;
获取当前电压测量值;
根据所述上一个批次中对电池容量增量的滤波结果以及所述当前电压测量值,计算当前批次中对所述电池端电压的滤波结果。
7.一种装置,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1-6中任一项所述的方法。
8.一种存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932716.0A CN112255549B (zh) | 2020-09-08 | 2020-09-08 | 一种电池容量增量的滤波方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932716.0A CN112255549B (zh) | 2020-09-08 | 2020-09-08 | 一种电池容量增量的滤波方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112255549A CN112255549A (zh) | 2021-01-22 |
CN112255549B true CN112255549B (zh) | 2024-03-19 |
Family
ID=74231150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010932716.0A Active CN112255549B (zh) | 2020-09-08 | 2020-09-08 | 一种电池容量增量的滤波方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112255549B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730468A (zh) * | 2015-04-07 | 2015-06-24 | 阳光电源股份有限公司 | 一种电池soc估算方法、装置以及电池管理系统 |
CN108363017A (zh) * | 2018-02-26 | 2018-08-03 | 大连理工大学 | 一种长时间存放的退役锂电池稳定容量值标定方法 |
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN110031777A (zh) * | 2019-04-29 | 2019-07-19 | 上海玫克生储能科技有限公司 | 一种快速得到电池包中所有单体电池阻值的方法 |
CN110927585A (zh) * | 2019-12-31 | 2020-03-27 | 四川长虹电器股份有限公司 | 一种基于自循环校正的锂电池soh估算系统及方法 |
CN110927607A (zh) * | 2019-11-22 | 2020-03-27 | 武汉理工大学 | 辨识和量化分析锂离子电池衰退机理的方法及系统 |
CN111194412A (zh) * | 2018-04-10 | 2020-05-22 | 株式会社Lg化学 | 用于确定电池的电极信息的设备、方法、电池组及电气系统 |
CN111308378A (zh) * | 2020-03-10 | 2020-06-19 | 北京理工大学 | 基于容量增量曲线的电池组健康状态检测方法及系统 |
CN111443293A (zh) * | 2020-03-30 | 2020-07-24 | 青岛大学 | 一种基于数据驱动的锂电池健康状态soh估算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090228225A1 (en) * | 2008-03-04 | 2009-09-10 | Eaton Corporation | Battery Service Life Estimation Methods, Apparatus and Computer Program Products Using State Estimation Techniques Initialized Using a Regression Model |
-
2020
- 2020-09-08 CN CN202010932716.0A patent/CN112255549B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730468A (zh) * | 2015-04-07 | 2015-06-24 | 阳光电源股份有限公司 | 一种电池soc估算方法、装置以及电池管理系统 |
CN108363017A (zh) * | 2018-02-26 | 2018-08-03 | 大连理工大学 | 一种长时间存放的退役锂电池稳定容量值标定方法 |
CN111194412A (zh) * | 2018-04-10 | 2020-05-22 | 株式会社Lg化学 | 用于确定电池的电极信息的设备、方法、电池组及电气系统 |
EP3680676A1 (en) * | 2018-04-10 | 2020-07-15 | Lg Chem, Ltd. | Device, method, battery pack and electrical system for deciding electrode information of battery |
CN109031153A (zh) * | 2018-10-16 | 2018-12-18 | 北京交通大学 | 一种锂离子电池的健康状态在线估计方法 |
CN110031777A (zh) * | 2019-04-29 | 2019-07-19 | 上海玫克生储能科技有限公司 | 一种快速得到电池包中所有单体电池阻值的方法 |
CN110927607A (zh) * | 2019-11-22 | 2020-03-27 | 武汉理工大学 | 辨识和量化分析锂离子电池衰退机理的方法及系统 |
CN110927585A (zh) * | 2019-12-31 | 2020-03-27 | 四川长虹电器股份有限公司 | 一种基于自循环校正的锂电池soh估算系统及方法 |
CN111308378A (zh) * | 2020-03-10 | 2020-06-19 | 北京理工大学 | 基于容量增量曲线的电池组健康状态检测方法及系统 |
CN111443293A (zh) * | 2020-03-30 | 2020-07-24 | 青岛大学 | 一种基于数据驱动的锂电池健康状态soh估算方法 |
Non-Patent Citations (1)
Title |
---|
An Improved Model Equation Based on a Gaussian Function Trinomial for State of Charge Estimation of Lithium-ion Batteries;Jinqing Linghu等;《energies》;第1-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112255549A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reeves et al. | Blur identification by the method of generalized cross-validation | |
Leclaire et al. | No-reference image quality assessment and blind deblurring with sharpness metrics exploiting fourier phase information | |
Carrillo et al. | Iterative hard thresholding for compressed sensing with partially known support | |
Selesnick | Sparsity-assisted signal smoothing (revisited) | |
Langer | Automated parameter selection for total variation minimization in image restoration | |
Mikula et al. | Semi-implicit finite volume scheme for solving nonlinear diffusion equations in image processing | |
Stefan et al. | Improved total variation-type regularization using higher order edge detectors | |
Tao et al. | Zero-order reverse filtering | |
Swami et al. | Image denoising by supervised adaptive fusion of decomposed images restored using wave atom, curvelet and wavelet transform | |
Fletcher et al. | Wavelet denoising by recursive cycle spinning | |
Giryes et al. | Sparsity based methods for overparameterized variational problems | |
Prasath et al. | On selecting the appropriate scale in image selective smoothing by nonlinear diffusion | |
CN112255549B (zh) | 一种电池容量增量的滤波方法、系统、装置及介质 | |
CN116626490B (zh) | 基于卡尔曼滤波器的电机故障诊断方法及装置 | |
Chen et al. | A new local and nonlocal total variation regularization model for image denoising | |
Peltonen et al. | Nonlinear filter design: methodologies and challenges | |
CN116706876A (zh) | 一种双高电力系统宽频振荡识别方法、装置及设备 | |
CN113267676A (zh) | 格策尔算法下的频谱确定方法、系统、设备及存储介质 | |
Drogoul et al. | The topological gradient method for semi-linear problems and application to edge detection and noise removal. | |
Lanza et al. | Automatic fidelity and regularization terms selection in variational image restoration | |
Lin et al. | Application of the UPRE method to optimal parameter selection for large scale regularization problems | |
Fletcher et al. | Iterative projective wavelet methods for denoising | |
Suneetha et al. | An Improved Denoising of Medical Images Based on Hybrid Filter Approach and Assess Quality Metrics | |
Wan et al. | Bayesian multiscale approach to joint image restoration and edge detection | |
Carrillo et al. | Bayesian compressed sensing using generalized Cauchy priors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |