【技术实现步骤摘要】
本专利技术涉及动力控制领域，尤其涉及一种混动农机电池动力协同控制方法、系统及产品。
技术介绍
1、随着全球农业绿色化转型的加速，各国对农业机械的能效和排放要求日益严格。混动农机作为传统燃油动力与新能源动力结合的过渡技术，通过整合内燃机和电池驱动系统，能够在提升能源利用效率的同时降低环境污染。然而，混动农机的电池动力协同控制面临多项技术挑战。现有技术中，通常通过传感器采集农机的运行数据，包括机械参数(如发动机转速)和电气参数(如电池内阻、电压等)，以监测农机的工况。这些数据常通过信号处理技术进行分析，以提取反映农机负载和动力需求的特征，随后基于预测模型估算实时功率需求，并据此在内燃机与电池之间进行动力分配。为了优化控制效果，部分系统引入了自适应算法，根据运行反馈调整控制参数，以提升动力输出的稳定性和能源效率。
2、然而，现有混动农机电池动力协同控制技术存在以下不足：首先，传感器在复杂农田环境中易受粉尘、湿度和振动等因素干扰，导致采集的运行数据失真或时序错位，影响后续分析的准确性。其次，信号处理过程中，常用的分解方法在处理非平稳...
【技术保护点】
1.一种混动农机电池动力协同控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述信号解耦处理采用变分模态分解，通过检测信号统计特征的变化自适应调整分解参数，以处理非平稳信号并保持解耦精度。
3.根据权利要求2所述的方法，其特征在于，所述机器学习模型为基于门控循环单元的神经网络，通过增强对历史数据的记忆能力，提高对长期依赖关系的建模精度，从而提升功率需求预测的准确性。
4.根据权利要求3所述的方法，其特征在于，所述自适应学习算法为强化学习算法，通过基于系统性能指标的奖励信号优化控制策略，所述性能指标包括...
【技术特征摘要】
1.一种混动农机电池动力协同控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述信号解耦处理采用变分模态分解，通过检测信号统计特征的变化自适应调整分解参数，以处理非平稳信号并保持解耦精度。
3.根据权利要求2所述的方法，其特征在于，所述机器学习模型为基于门控循环单元的神经网络，通过增强对历史数据的记忆能力，提高对长期依赖关系的建模精度，从而提升功率需求预测的准确性。
4.根据权利要求3所述的方法，其特征在于，所述自适应学习算法为强化学习算法，通过基于系统性能指标的奖励信号优化控制策略，所述性能指标包括动力输出的稳定性和能源利用效率。
5.根据权利要求3所述的方法，其特征在于，所述机器学习模型使用真实数据和通过生成模型生成的合成数据进行训练，以覆盖不同运行工况，提高...
【专利技术属性】
技术研发人员：温译淇，刘波，詹跃明，许铧中，张梦蝶，周泉汛，
申请(专利权)人：重庆能源职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。