关于锂离子电池Thevenin模型的仿真研究

针对动力电池组运行时,内部的系统参数会随着环境因素和荷电状态(state-of-charge,SOC)发生动态改变,提出一种参数变化的Thevenin等效电路模型;从荷电状态是影响锂电池各参数特性的主要因素出发,将传统Thevenin模型中模拟各模块使用的不变参数用随着SOC变化的动态变量来表示; HPPC获取模型参数,电池仿真端电压基本上跟实际端电压波形吻合,且趋势大致相同;实验结果表明:在正常工作状态下,建立的模型可以有效地反应电池内部的工作特性,有着良好的精度。     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

用BP神经网络提高锂离子电池化成系统采样精度

针对自行设计的YX-20A型锂离子电池化成柜采样精度不高的问题,分别采用动量梯度下降法和L-M优化法以三层BP神经网络为预测模型对采样电流数据进行校正;并用校正后的采样数据通过TL494芯片调节设定基准和充放电电流实测值的偏差。研究结果表明:L-M算法能快速收敛,效果优于动量梯度下降法,当隐含层节点数为9时,L-M算法效果最佳;校正后的电流最大相对误差由原来的5%降到1.1%左右,平均误差小于0.5%;校正后基准电流和实测值间的相对误差波动较平缓,其最大相对误差比校正前有明显下降。     

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。     

等效滞回模型在锂离子电池SOC估计中的应用

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术之一.针对锂离子电池这一动态非线性系统,通过测试分析锂离子电池的滞回特性,建立了锂离子电池的二阶RC滞回模型,并利用容积卡尔曼滤波算法对电池荷电状态进行估算.实验结果表明,该模型能较好地体现电池的动态滞回特性,而且容积卡尔曼滤波算法在估算过程中能保持较高的精度.     

量子化学原理在锂离子电池研究中的应用

锂离子电池的发展强烈地依赖于相关材料的性能,因此对材料进行理论设计以寻找具有特定性能的材料以及对电池充放电过程中有关现象的理论解释已经成为材料研究的迫切要求.量子化学和现代计算技术的发展,已基本上能满足这一要求.本文综述了近年来量子化学原理在锂离子电池研究中的应用.重点评述了量子化学原理在锂离子电池电极材料平均插锂电压的预测、锂的嵌入-脱嵌机理研究、锂离子电池正极材料晶格畸变的研究以及其它物理化学性质的理论计算中的应用.     

神经网络模型在用电负荷预测中的应用

在电力系统规划中,居民用电负荷的预测是一项重要的基础性工作。但影响居民用电负荷的因素很多,并且难以用一个线性表达式来表示。神经网络模型在处理非线性大系统的复杂问题中具有很大的优势,文中引入三层反向传播的神经网络模型（ＢＰ网络模型）对居民用电负荷情况进行了分析,并采用变化学习速率的方法对网络进行训练。     

粒子滤波在锂离子电池剩余寿命预测中的应用

为有效预测锂离子电池剩余寿命,引入了粒子滤波算法.对粒子滤波的基本概念和算法实现步骤进行介绍,在给出锂离子电池寿命统计数据的基础上,应用粒子滤波算法计算其剩余寿命,解决了锂离子电池剩余寿命预测的问题.对相同的锂离子电池统计数据,利用扩展卡尔曼滤波方法计算进行对比实验.分析结果表明:粒子滤波算法比扩展卡尔曼滤波算法可靠,能较好地预测出锂离子电池的剩余寿命,误差小于5％.     

锂离子电池的多状态模型剩余寿命预测方法

针对锂离子电池的容量恢复现象导致的剩余寿命预测精度不高的问题,提出了一种锂离子电池的多状态模型剩余寿命预测方法.首先通过分析锂电池的衰退数据将锂离子电池的退化过程分为正常退化、容量恢复和加速退化三种状态,然后分别对三种状态的退化过程进行建模并验证了模型的有效性,将3种状态的模型组合得到锂离子电池多状态容量衰退模型.然后...     

灰色神经网络组合模型在区域水质预测中的应用

针对神经网络用于水质预测时需要大量数据才能获得较为准确的预测结果的局限性,为降低预测时对数据的依赖引入灰色模型,从而建立两者最优组合模型,以用于数据贫瘠时的情况.将该模型用于珠江支流的水质预测,结果表明,该模型拟合误差小,预测精度高.     

人工神经网络在地表径流预报中的应用

为了更加准确地对地表径流进行预测,选择广东省汕尾市南告水库以上流域作为研究对象,构建BP神经网络模型对南告水库的日资料进行径流模拟研究,研究结果表明:人工神经网络可以提高预测精度,且应用前景比较广泛.     

过充电条件下锂离子电池热失控数值模拟

采用数值模拟方法研究了过充电流（1C、2C、3C和4C）对三元锂离子电池热失控行为的影响.基于多物理场耦合方法建立了过充电条件下锂离子电池三维电-热耦合模型,对电池发生热失控的临界时间,临界温度以及热分布进行了模拟计算.模拟结果与试验测量结果符合较好,各个测试点处的温度和热失控临界点的误差小于8%.过充电流对锂离子电池热失控的临界温度、临界时间以及电池内外部温差有较大影响:过充电流越大,电池发生热失控的时间越短,临界温度越高,区域温差越大,内外部温差越大.      

土钉支护变形预测的神经网络方法

应用人工神经网络方法，利用土钉支护变形观测数据，建立用于对支护系统未来变形进行预测的网络模型。同时，通过实例计算，分析了影响预测精度的原因，提出了改善预测精度的措施。计算结果表明该方法是可行的，具有广泛的工程实用价值。     

自密实混凝土性能预测的神经网络模型

自密实混凝土具有优异的工作性能，但目前还没有有效的配比数学模型．为此，在自密实混凝土配比试验的基础上，利用神经网络理论，建立了自密实混凝土性能预测的神经网络模型．计算结果表明，用人工神经网络方法预测自密实混凝土的性能是可行的，能满足工程实际的要求．     

基于时滞BP神经网络的铸坯表面温度预报研究

为了快速准确地计算连铸方坯表面温度,提出了基于时滞BP神经网络的温度预报模型.由于传统的基于机理的模型需要直接求解偏微分方程,导致模型的求解消耗时间过长.为了满足连铸动态控制与优化的需求,研究了连铸方坯的传热机理,根据连铸过程热传导的特点,建立了基于时滞BP神经网络的温度预报模型,以历史时刻的表面温度和当前时刻水量作为神经网络的输入,以下一个时刻表面温度作为神经网络的输出.该模型可以快速预报连铸方坯表面温度的动态变化情况.并且依据某工厂的真实数据进行实验,表面温度的预报最大相对误差小于0.1%,取得了较好的实验结果.该方法可以准确地预报连铸坯的表面温度.     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法,构造了大型水轮发电机定子铁心背部温度预测的神经网络模型,并将计算结果与实测结果作了比较,结果令人满意。     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。     

神经网络在可靠性分析中的应用

应用人工神经网络对舰炮发生故障的发射炮弹数进行了预测。借助前馈神经网络对非线性函数的逼近能力，对发生故障的发射炮弹数进行了单步预测，并与使用灰色数列预测的结果进行了对比，验证了人工神经网络进行可靠性预测的可行性。