基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

用于集装箱配装问题的Memetic算法

针对集装箱配装问题这一NP-hard问题，提出了用于求解背包式强异类货箱的集装箱配装问题的memetic算法，该算法采用了“WB＋DBL”的解码方式，并结合了常规遗传算法的广度搜索能力和局部搜索的深度搜索能力，能够有效地提高集装箱配装问题的求解质量。通过仿真实验，表明该算法是有效的。