基于改进Sage-Husa算法的锂电池SOC估算方法研究北大核心CSCD

针对复杂工况下难以估算锂电池荷电状态(SOC)的问题,提出一种基于协方差匹配技术的改进的Sage-Husa自适应算法。改进的Sage-Husa自适应算法通过在Sage-Husa自适应算法基础上引入判断滤波是否发散的协方差匹配判据,确保滤波发散时更新噪声的统计特性,滤波收敛时无须重复更新噪声,从而提高了算法的鲁棒性和计算效率。实验结果表明,改进的Sage-Husa自适应算法在动态应力测试(DST)工况和北京公交动态应力测试(BBDST)工况下的SOC估算误差均小于2%,收敛时间小于50 s,证明了该算法在复杂工况下具有较高的估算精度和较快的收敛速度。     

锂电池组关键参数模块化在线检测方法研究

锂电池是一种新兴的绿色清洁能源。与其他的化学电池相比,锂电池具有寿命长、能量密度高的优点。由于电池组电压、电流、温度等关键参数至关重要,采用模块化设计思路,结合芯片采集与高可靠数字通信基础,研究了一基于LTC6804的锂电池组关键参数检测的硬件系统。对锂电池组的关键参数进行了研究。采用STM32作为控制中心,LTC6804作为电压采集芯片,INA219作为负载电流检测模块,DS18B20作为温度检测器件。系统的电路板尺寸为110 mm×84 mm。其具有高集成度、空间利用率高的特点。试验结果表明,系统下单体电压值采集绝对误差低于2 mV、电流值采集绝对误差为10 mA、温度采集绝对误差为0.5℃,整个系统具有较高的精确度和可靠性。该系统可为锂电池组提供关键参数的精确检测,对锂电池组的安全运行有着重要意义。     

基于RFMRA和改进PNGV模型的锂离子电池SOC估算

提出基于渐消记忆的递推算法(RFMRA)和改进的新一代汽车合作伙伴(PNGV)等效电路模型的锂离子电池荷电状态(SOC)在线估算方法.RFMRA在传统递推最小二乘算法的基础上加入遗忘因子,使在线参数辨识能更实时地反映模型参数;在PNGV模型上串联RC回路,可更精确地体现电池特性.与离线SOC估算相比,算法的最大误差降低35.106％,平均绝对误差(MAE)降低7.21％,平均绝对值百分比误差(MAPE)降低22.42％,均方根误差(RMSE)降低25.38％.     

农业工程学科双语教学模式探讨

当前我国对高等教育双语教学提出了一定的目标及要求.农业工程学科有着多学科交叉的自身特点,在双语教学中应结合本学科的特点确立相关目标和要求.教学过程中应采用包含问题研究式教学、情境式教学、多媒体式教学、自学式教学等在内的多种教学模式相结合的方式进行,并应用综合考评方式进行教学考核.针对我国高等教育双语教学起始阶段的发展现状,双语教学中教材应以原版为主,辅以中文译文,师资培训应注重外聘引进高水平教师,并逐步培训现有教师达到较好的教学效果.