镍钴锰酸锂(NCM)三元锂电池的容量衰减加速测试

以镍钴锰酸锂三元锂电池为例,通过容量衰减数据推导其循环寿命衰减内在的联系,使用二项式拟合,构建Arrenius数学模型,探讨不同温度下的多项式系数之间的内在联系,获得不同温度下电池容量衰减规律,从而建立和完善一种电池容量衰减的加速测试与评估方法。利用高温下容量衰减加速的寿命数据推导出动力电池常温下实际的容量循环寿命,可以有效地解决电池循环寿命测试周期长和成本高昂的问题。     

高低温对磷酸铁锂动力锂离子电池性能的影响

参照行业标准和IEC标准进行充放电实验,研究环境温度对商品化磷酸铁锂(LiFePO4)动力型锂离子电池性能的影响.从容量和电压平台的角度评价商品化的LiFePO4动力型锂离子电池的循环性能和安全性能.在高温(55℃)条件下,电池着火;在低温(-20℃)条件下,容量衰减严重.     

锰酸锂动力电池高低温性能的研究

研究锰酸锂(LiMn2O4)动力电池在高低温(-20、40、65℃)条件下的充放电性能.结果表明:(1)在-20℃时,锰酸锂动力电池的极化严重,相应的电压变化也比较大,充放电效率降低,使得电池在低温环境下充放电容量均有大幅降低;(2)在40℃和65℃时,由于电解质的阻值和极化的增加,同时大量气体的产生使电极发生变化,导致了电池容量下降,性能降低;(3)低温和高温情况均加速了锰酸锂动力电池电极的极化,造成随着充放电循环次数的增加,充放电容量持续衰减;(4)在-20℃锰酸锂动力电池的恒流充电时间相对变短而恒压充电时间相对变长,与40℃和65℃时电池恒流充电的温升速率相比,锰酸锂动力电池在-20℃时恒流充电的温升速率最大.     

三种18650锂离子电池高空模拟试验分析

本项目对三种型号的笔记本单体电池(包括进口原装联想笔记本单体电池、日本索尼笔记本单体电池、神舟笔记本单体电池)进行了高度模拟和冲击实验比对实验,结果表明:此次实验的两种进口笔记本单体电池的耐高空、耐冲击等安全性能优于国产笔记本单体电池,国产笔记本单体电池在冲击实验中有一块电芯产生了一微小开缝,在某种情况下存在着一定的安全隐患,可见国产笔记本单体电池的安全性能有待进一步提高。     

锰酸锂动力电池失效分析

针对商业化的锰酸锂(LiMn2O4)动力电池,研究其各种常见的失效模式(容量衰减、泄气或漏液、热失控和集流体腐蚀等)及失效原因。结果表明:温度是造成锰酸锂动力电池容量衰减、热失控、泄气或漏液的重要应力;集流体腐蚀行为主要受电解质盐的影响,其次受表面状况、溶剂、电解液中的杂质、温度等方面的影响。     

不同温度下锰酸锂动力电池的撞击实验

将锰酸锂动力电池在不同温度(-30℃、20℃、40 ℃和65℃)下搁置后,快速进行重物撞击实验.实验所用锰酸锂动力电池的总体安全性较差;电池在撞击过程中,实验环境温度越高,电池的安全性越差;温升速率越快,越容易发生着火等热失控现象.未着火与着火试样的温升速率与最高温度分别呈线性和3次多项式的关系.     

某高速公路岩溶区路基处治方案研究

一、工程概况 某高速公路第一合同段I互通中段（包括A匝道1号桥）,跨京珠高速湖南段K492＋115～K492＋515段。其中：A匝道1号桥2#墩位于京珠高速湖南段K492＋180右20m处,设计桩长31m,桩径1．8m,设计基础高程242m。     

基于支持向量方法和击键序列的主机入侵检测

击键特征是一种能反映用户行为的动态特征,可作为识别用户的信息源。传统方法不仅要求收集大量击键样本来建立识别模型,并且同时需要正例样本与反例样本。但在实际应用中,需要用户提供大量的训练样本是不现实的,并且反例样本收集比正例样本收集困难。为此,提出一种新的以击键序列为信息源的主机入侵检测模型。在小样本和仅有正例的情况下,通过One-Class支持向量机（OCSVM）来训练检测模型,通过对用户的击键行为是否偏离正常模型来检测入侵。仿真实验结果表明该模型具有较好的检测效果。     

Eu~(3+)掺杂Na_2O-Nb_2O_5-SiO_2透明玻璃陶瓷的制备与表征

采用高温熔融退火法制备出Na2O-Nb2O5-SiO2为基质的掺铕铌酸盐玻璃,并通过两步热处理制备出含有NaNbO3纳米晶相的透明玻璃陶瓷。采用差热分析、X射线衍射、扫描电镜、分光光度计和荧光光谱仪对样品进行了表征。研究表明,铕掺杂铌酸盐基质玻璃具有良好的结晶性,其成核温度为715℃,成核时间为2 h,析晶温度为950℃,析晶时间为2 h;经SEM分析,粒子直径为40~50 nm。该玻璃陶瓷在近红外光区的透过率可达80%。荧光光谱显示,Eu3+∶Na2O-Nb2O5-SiO2玻璃陶瓷在393 nm激发下于614 nm处存在较强发射峰,较基质玻璃有了极大的提高。     

基于改进VGG网络的弱监督细粒度阿尔兹海默症分类方法

针对阿尔兹海默症（AD）患者和正常（NC）人之间核磁共振成像（MRI）图像差别小、分类难度大的问题,提出了基于改进VGG网络的弱监督细粒度AD分类方法。该方法以弱监督数据增强网络（WSDAN）为基本模型,主要由弱监督注意力学习模块、数据增强模块及双线性注意力池化模块等构成。首先,通过弱监督力注意学习模块生成特征图和注意力图,并利用注意力图引导数据增强,将原图和增强后的数据同时作为输入数据进行训练;然后,通过双线性注意力池化算法将特征图和注意力图按元素进行点乘,进而得到特征矩阵;最后,将特征矩阵作为线性分类层的输入。将以VGG19作为特征提取网络的WSDAN基本模型应用到AD的MRI数据上,实验结果表明,仅使用图像增强的模型的准确性、敏感性和特异性分别比WSDAN基本模型提高了1.6个百分点、0.34个百分点和0.12个百分点;仅利用VGG19网络的改进的模型的准确性和特异性相较WSDAN基本模型分别提高了0.7个百分点和2.82个百分点;以上两个方法结合使用的模型与WSDAN基本模型相比,准确性、敏感性和特异性分别提高了2.1个百分点、1.91个百分点和2.19个百分点。