[发明专利]一种半潜式无人潜器智能电源管理系统及方法有效
申请号: | 201911389107.9 | 申请日: | 2019-12-30 |
公开(公告)号: | CN111030290B | 公开(公告)日: | 2023-10-13 |
发明(设计)人: | 李铭昊;蒋锐祺;张铁栋;何笑;刘树伟 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | H02J9/06 | 分类号: | H02J9/06;H02J7/35;B63G8/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 半潜式 无人 智能 电源 管理 系统 方法 | ||
1.一种半潜式无人潜器智能电源管理系统,其特征在于:包括功率/电压监测模块、无线通讯模块、智能控制器模块、太阳能电池模块、必要负载、稳压模块、锂电池组模块、电池切换模块、超级电容模块、非必要负载以及恒功率充电模块;所述的锂电池组输出接口与功率/电压监测模块的检测输入端和电池切换模块的电源输入接口连接;所述的功率/电压监测模块的数字信号输出端连接至智能控制器模块;所述的电池切换模块的电源输出端与恒功率充电模块的输入端连接,电池切换模块的控制端口连接至智能控制器模块;所述的恒功率充电模块的输出端连接至超级电容模块的输入端及非必要负载的供电端,恒功率充电模块的功率控制端连接至智能控制器模块;所述的超级电容模块的输出端分别与稳压模块的输入端及非必要负载的输入端连接;所述的必要负载的供电端分别通过大功率二极管与稳压模块的输出端及太阳能电池模块的输出端连接;所述的无线通信模块与智能控制器模块连接。
2.根据权利要求1所述的一种半潜式无人潜器智能电源管理系统,其特征在于:所述的稳压模块的电压高于太阳能电池模块的电压;当正常供电时,太阳能电池模块侧的大功率二极管截止,稳压模块侧的大功率二极管导通,此时由稳压模块向必要负载供电;当切断锂电池组模块供电且超级电容模块电量使用完毕时,太阳能电池模块侧电压高于稳压模块侧电压,太阳能电池模块侧的大功率二极管导通,稳压模块侧的大功率二极管截止,此时太阳能电池模块为必要负载供电。
3.一种半潜式无人潜器智能电源管理方法,其特征在于,包括以下步骤:
步骤1:构建半潜式无人潜器智能电源管理系统;
所述的半潜式无人潜器智能电源管理系统包括功率/电压监测模块、无线通讯模块、智能控制器模块、太阳能电池模块、必要负载、稳压模块、锂电池组模块、电池切换模块、超级电容模块、非必要负载以及恒功率充电模块;所述的锂电池组输出接口与功率/电压监测模块的检测输入端和电池切换模块的电源输入接口连接;所述的功率/电压监测模块的数字信号输出端连接至智能控制器模块;所述的电池切换模块的电源输出端与恒功率充电模块的输入端连接,电池切换模块的控制端口连接至智能控制器模块;所述的恒功率充电模块的输出端连接至超级电容模块的输入端及非必要负载的供电端,恒功率充电模块的功率控制端连接至智能控制器模块;所述的超级电容模块的输出端分别与稳压模块的输入端及非必要负载的输入端连接;所述的必要负载的供电端分别通过大功率二极管与稳压模块的输出端及太阳能电池模块的输出端连接;所述的无线通信模块与智能控制器模块连接;
步骤2:开始电源监测,无线通讯模块与上位机进行无线连接;上位机设置当前电压阈值和功率阈值,智能控制器模块发送当前电源数据;在半潜式无人潜器运行过程中,智能控制器模块持续进行整船功率监测以及电源电压监测;
步骤3:判断当前电源电压是否小于上位机设置的电压阈值;若当前电源电压小于上位机设置的电压阈值,则智能控制器模块利用多路ADC对功率/电压监测模块进行多路数据读取,定位电力不足的锂电池组位置,切断其电源供应;
步骤4:判断当前功率是否小于上位机设置的功率阈值;若当前功率小于上位机设置的功率阈值,则打开超级电容模块的开关,进行功率补偿;
步骤5:若定位锂电池组全部电压不足或功率补偿后整船功率仍旧不足,则智能控制器模块控制电池切换模块切断锂电池组供电,停止非必要负载的工作,并且通过无线通讯模块向上位机持续发送带有坐标信息的求救信号,等待救援;若整船功率监测以及电源电压监测正常,则返回步骤3进行下一轮监测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911389107.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种快速安装隔断
- 下一篇:基于深度学习的智能驾驶决策方法及系统