荧光光谱法结合神经网络优化定量分析蒽芘混合物

采用荧光光谱法结合神经网络优化对蒽芘双组分混合物进行了定量分析,提出了利用留一法交叉验证（leave one out cross validation,LOOCV）的模型训练方法,以解决混合样品光谱定量分析中用有限样品建立非线性回归模型的问题。蒽和芘混合样品的激发波长为320nm,发射波长范围为320～450nm,以混合样品光谱数据的主分量作为输入、混合样品浓度作为输出进行LOOCV训练,对神经网络进行优化设计。在LOOCV实验结果中,预测10个测试质量较好的样品,平均相对误差（ARE）为3.39%,比预测所有12个样品的ARE低0.46%,样品最小相对误差可达到1.25%,10次重复实验相对标准偏差小于0.84%。该方法具有所需样品少、容错性好、分析精度高和稳定的特点。     

不同应力作用下钴酸锂电池老化特性分析

为了确保电池合理使用,延长电池寿命以及保障电池供电系统安全稳定运行,就需要准确估计和预测电池的老化情况。以钴酸锂电池为研究对象,分别开展以环境温度、充电截止电压、放电倍率作为加速应力的加速寿命实验。结果表明:钴酸锂电池老化过程中电池容量随循环次数的增加呈线性衰减的规律。在相同类型应力作用下,施加应力强度越大,电池老化速率越快,电池使用寿命越短。通过对加速实验数据进行线性拟合分析,提出了基于Arrhenius方程与逆幂率方程形式的钴酸锂电池老化模型,并通过模型精度验证实验证明了所提出的老化模型能较为准确地预测钴酸锂电池的老化情况。     

不同SOC区间及倍率下锂电池老化分析

选择合适的荷电状态(State of Charge,SOC)区间及放电倍率可有效减缓锂电池的老化.将可大倍率放电的钴酸锂电池作为研究对象,将其SOC划分为四个区间,结合三个不同的放电倍率进行双因素老化实验.结果表明,相同放电深度(Depth of Discharge,DOD)情况下,SOC区间越高电池老化越快;释放的容...     

基于在线开路电压估算的电池均衡指标研究

开路电压作为均衡指标可以准确反映电池组中单体的不一致性状态,如何在线实时获得开路电压是电池均衡研究的难点之一。使用BP神经网络结合当前工作状态下的电流、电压与荷电状态在线估算开路电压,并以此作为均衡指标在自主研制的BMS算法验证平台采用耗散型均衡方式实现电池放电阶段均衡。实验结果表明：在相同均衡策略下,在线估算的开路电压均衡指标与工作电压均衡指标相比,工作截止时的开路电压偏差近似为初始开路电压偏差的一半,因此能够准确地表征锂电池的不一致性。为电池组均衡指标的选择提供指导,促进电池组均衡技术的发展。     

基于灰朦胧集动态演化的线段特征提取

针对未知环境知识表达问题,模拟人类思维处理空间知识,提出一种基于灰朦胧集动态演化的线段特征提取方法.该方法在具有几何约束的环境中,通过灰朦胧集动态演化形成不同认知阶段表达,逐步消除信息中的不确定性,采用自组织映射和基于灰关联度的主方向提取实现线段特征的信息显化. 通过创建室内走廊环境地图检验了所提出方法模拟人类智能对未知环境信息进行表达和推理的有效性.     

基于EKF修正算法的锂电池SOC估算

随着电动汽车产业的迅速发展,实时掌握动力蓄电池所处荷电状态,保证电池长期处于良好工作状态成为当前研究重点。由于锂电池充放电过程中复杂的电化学反应,电池荷电状态(SOC)与其影响因素呈现非线性动态关系,导致难以实时精确估算SOC。本文中,基于扩展卡尔曼滤波(EKF)修正算法对动力蓄电池SOC进行估算,并与传统算法进行比较。结果表明,该算法有效解决了采用安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度,使最大估算误差保持在2.0%以内。