基于注意力机制的改进LSTM锂电池健康状态估计方法

将车载式安全工器具柜应用于配网抢修车辆中,其供电电池性能直接影响了工器具柜的稳定运行,因此需要精确预估供能电池的健康状态(state of health, SOH).本文提出一种基于海鸥算法(SOA)和注意力机制优化改进长短时记忆神经网络(long short-term memory neural network, LSTM)的锂电池健康状态估计方法.首先提取出4种与电池老化特性强相关的健康因子,将其历史运行数据输入到结合SOA-LSTM思想设计的SOH估计方法;其次利用Attention机制对输入变量进行权重分配,以强调关键特征在SOH预测中的作用;最后利用已公开的电池充放电曲线数据集对所提算法进行测试验证,并与其他算法进行对比.结果表明,本文方法可实现高精度SOH预测,均方根误差为0.011,模型拟合度达到98%以上.     

基于Morlet小波的径流突变检测

将小波理论引入径流序列的变异检测,从理论上证明了Morlet小波系数的过零点有可能是时间序列的突变点,对过零点进行统计检验,确定真实的突变点。分析渭河华县站1961—2006年径流尺度变化特征,形成各种尺度正负相间的震荡中心,其3个明显的周期变化规律分别为:1972年以前华县站的年均径流量基本以10年为周期产生振荡;1982—2001年基本以7～8年为周期振荡;在14～16年周期非常显著,且具有全域性。找到15年尺度下可能的突变点,应用Yamamoto检验法进行进一步的诊断,识别出1972年、1982年、1994年为径流突变点。     

基于CDPSO-EBRB的锂离子电池健康状态估计

锂离子电池在武器系统中广泛应用,对其健康状态的评估对于保证武器系统作战效能具有重要意义.但构建锂离子电池退化过程的物理模型难度较大,同时由于数据的不确定性与不完整性影响,使用纯数据驱动的方式也不能准确描述此过程.扩展置信规则库模型结合了知识结构和证据推理的特性,可对数据的不确定性与不完整性进行定量描述,但原始模型的参数选择对其性能影响较大,针对以上问题,提出了一种中心离散粒子群算法(CDPSO)优化的扩展置信规则库(EBRB)模型,并将该模型应用于锂离子电池的健康状态评估中,使用数据驱动方式将规则集转化为规则,采用CDPSO对初始参数进行训练,最后使用测试数据集来测试模型的有效性,通过与传统的方法进行比对,验证了所提出方法的有效性.     

采用多模模型的锂离子电池荷电状态联合估计算法

针对单一的等效电路模型难以准确描述全时段的锂离子电池、估计电池荷电状态(SOC)准确度低的问题,提出采用多模模型的锂离子电池荷电状态联合估计算法。利用电化学阻抗谱分析不同SOC下锂离子电池的阻抗分布,并以此构建等效电路模型来描述整个充放电过程中的锂离子电池,得到一种基于变阶RC模型的多模模型。利用贝叶斯定阶准则综合模型的准确度和实用性来确定具体阶数,采用带有遗忘因子的递推最小二乘法对模型参数进行在线辨识,利用扩展卡尔曼滤波算法(EKF)求得锂离子电池的实时SOC。在恒流工况以及动态应力测试工况下,与传统基于一阶RC模型和二阶RC模型的EKF算法进行了多组实验对比。结果表明:采用多模模型的联合算法在不同工况下估计的SOC精度提高了30%以上,并均可在两个迭代周期内追踪到准确值。     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

动力锂电池荷电状态的联合估计与实验研究

针对动力锂电池常用的荷电状态(SOC)估计算法存在的扩展卡尔曼滤波法精度低、无迹卡尔曼滤波法收敛速度慢等问题,在动力锂电池的Randles等效模型的基础上,通过脉冲放电实验对模型参数进行辨识;并设计了一种基于迭代扩展卡尔曼滤波(IEKF)与无迹卡尔曼滤波(UKF)联合估计的SOC估计法。在电池实验平台上设计模拟工况实验,实验分析表明:该算法的SOC初值修正速度快于EKF和UKF,计算量比UKF小,且稳态误差不超过1.5%,相对扩展卡尔曼滤波(EKF)提高了40%,是一个收敛快、计算量少、静差小的迭代估计算法。     

基于置信规则库的锂电池SOC估计

电池荷电状态（SOC）的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库（BRB）的方法对锂电池SOC的进行估计。该方法既允许专家通过经验知识克服数据驱动方法的过拟合问题,又能通过参数训练克服专家知识的不准确性。以某型磷酸铁锂（LiFePO-4）电池为例,对提出的方法进行了验证,并将其与神经网络进行了对比。结果表明,该方法估计SOC具有较高的精度,估计误差不超过10%,且可以克服传统神经网络方法存在的过拟合问题。     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

基于双充电状态的锂离子电池健康状态估计

针对锂离子电池实际应用中存在不完全充放电而导致的充电起始点及截止点不确定问题,提出一种基于双充电状态因子的电池健康状态估计方法.搭建电池老化实验台架,采用8块镍钴锰锂离子电池进行老化实验;区别于传统单状态因子估计,选取不同老化阶段下恒压充电状态前端等时间差的电流平均值,以及恒流充电状态末端等幅值电压的充电时间构造健康因...     

基于IMM-UPF的锂电池寿命估计

提出了一种基于交互式多模型(Interacting Multiple Model,IMM)和无迹粒子滤波算法(Unscented Particle Filter,UPF)的锂电池健康状态(State of Health,SOH)估计方法,针对目前SOH估计方法需求样本量大、不适用于全寿命周期结果跟踪等问题,建立了基于多项式模型、双指数模型和集成模型的IMM,通过UPF解决了重采样过程中粒子贫化的问题,根据滤波的结果对锂电池的SOH进行预测,实现了锂电池全寿命周期内的SOH精确估计.讨论了IMM的选型依据和建模方法,给出了详细的SOH估计算法,并通过仿真和实验对不同模型进行对比.仿真和实验结果表明,所提出的基于IMM-UPF的锂电池SOH估计结果的概率密度函数标准偏差仅为19,实现了高估计精度.     

Morlet复小波变换的开关电流电路共极点实现

提出了一种时频域混合共极点逼近的开关电流电路Morlet复小波变换方法.将Morlet复小波构成部件高斯包络进行分解,设计了高斯包络时域逼近优化模型,模型可采用常规优化算法求解.利用正弦和余弦信号的周期性,及其与指数信号的乘积在频率域具有相同极点的特性,简化了Morlet复小波函数的拉普拉斯变换,实现了实部和虚部的共极点有理逼近.基于双线性变换积分器设计了一种开关电流复二阶节基本电路,继而综合了Morlet复小波变换基本电路.通过调节基本电路的开关时钟频率可实现其它不同尺度的小波变换功能.对比分析表明,本文方法的逼近效果和系统稳定性均明显优于现有的Padé变换法和Maclaurin级数法;与现有方法相比,本文设计的复小波变换电路具有结构简单、功耗低和体积小等优点.仿真结果表明了方法的有效性.     

小波降噪卡尔曼滤波锂电池荷电状态估计

针对锂离子电池充放电电压信号(DCV)中存在的噪声信号导致荷电状态(SOC)估计精度降低、波动较大的问题,提出了一种基于离散小波变换(DWT)的降噪扩展卡尔曼滤波(EKF)算法。该算法利用多分辨率分析(MRA)分解携带噪声的DCV信号,通过对比4种阈值硬阈值降噪规则对携带噪声的DCV信号的降噪处理效果,选择Stein无偏风险阈值硬阈值降噪规则调整小波系数,通过含自适应遗忘因子的递推最小二乘法辨识电池模型参数后,利用扩展卡尔曼滤波算法估计SOC。仿真结果表明:使用Stein无偏风险阈值硬阈值降噪规则有效地降低了DCV信号中的噪声信号;所提算法具有较好的鲁棒性,能够有效地提高SOC估计精度,使SOC估计误差范围控制在3%之内。     

锂离子电池健康状态多因子在线估计方法

针对传统的锂离子电池健康状态估计方法仅用电池欧姆内阻作为单因子评估指标时存在较大误差的问题,提出了一种利用电池欧姆内阻、极化内阻与极化电容共3个模型参数构建的多因子评估模型。选用一阶RC等效电路模型作为基础电路模型,并通过仿真实验验证了所选择电路模型的准确性。对同一型号的多组三元锂离子电池进行循环老化实验,得到离线辨识的模型参数,发现等效电路模型中的欧姆内阻、极化内阻、极化电容与健康状态存在确定的关系。通过带约束的最小二乘算法求解对应模型参数的权重,并以卡尔曼滤波算法在线辨识模型参数,实时获得基于多因子模型的综合电池健康状态。将所提方法与仅用欧姆内阻评估的方法进行了对比,结果表明:所提方法评估锂离子电池真实健康状态的误差变化范围较小,基本在1%左右,精度更高。     

基于光学Morlet小波滤波的指纹边缘增强研究

提出了一种基于光学Morlet小波的指纹滤波方法,给出了Morlet小波滤波器对输入指纹图像实现边缘增强的计算机模拟结果,同时将计算机编程生成的Morlet滤波器应用在光学4f系统中,输出平面将获得指纹图像的边缘提取.实验结果表明:本文给出的这种方法能够达到图像边缘增强的效果,同时又利用了光学方法快速并行的优点.这一研究结果有助于提高指纹识别的速度.     

废旧锂离子电池溶胶-凝胶法制备钴铁氧体研究

利用废旧锂离子电池溶解液为原料,以硝酸为溶解酸,柠檬酸铵为凝胶剂,采用溶胶-凝胶法制备出钴铁氧体,并对制备条件进行了优化.借助于XRD,SEM,EDS和VSM等手段分别对产品的晶态、形貌、组成和磁性能进行了表征.结果表明:以硝酸作溶解酸溶解锂离子电池,采用柠檬酸铵为凝胶剂,凝胶化过程中pH=6.50时,所得产品具有较好的磁性能,此条件下制得产品的饱和磁化强度Ms为76.43A.m2.kg-1,剩余磁化强度Mr为38.57A.m2.kg-1,矫顽力Hc为105.23kA.m-1.     

锂离子电池用炭负极材料的研究

介绍了中国电子科技集团公司第十八研究所在锂离子电池炭负极材料方面的研究进展．炭材料包括无定形炭和改性天然石墨两种．无定形炭以竹子为原料于1000℃以下通过真空热解制得,介绍了在提高竹炭首次充放电效率方面取得的进展,目前竹炭的首次充放电效率达到85％以上,可逆容量大于450mAh/g,有望获得实际应用．在改性天然石墨研究方面,介绍了在提高振实密度、用沥青热解炭包覆和化学气相沉积炭处理天然石墨等方面的工作进展,现阶段改性天然石墨的综合性能指标和国外同类产品相当,达到了实际应用的要求．     

应用小波变换技术的图象噪声消除新方法

提出了基于小波变换技术消除高斯噪声和ｓｐｅｃｋｌｅ噪声的图象去噪声方法,并用合成孔径雷达图象数据对所提出的方法进行了验证。实验结果表明：提出的方法和传统的方法相比,在消除图象中高斯噪声和ｓｐｅｃｋｌｅ噪声十分有效。该方法也可以广泛地应用于受噪声污染的各种图象噪声消除,特别适用于微波Ｃ波和Ｘ波段遥感图象数据。     

基于Morlet小波带通滤波特性的振动系统频率识别

利用Morlet小波在频域的带通滤波特性,对通过改变Morlet小波的带宽,直接在尺度图上识别振动系统频率的方法进行了分析研究。该方法的特点是简单易行,便于应用。并针对实际试验数据中存在严重噪声污染和振动系统的密集模态识别问题,进行了仿真,仿真结果验证了该方法的有效性和可行性。     

Morlet小波变换的像空间

针对Morlet小波,给出了其小波变换像空间再生核函数的具体表达式,并且当固定尺度因子时利用再生核空间的理论,对Morlet小波变换的像空间作出了具体的描述,为一般小波变换像空间的讨论提供了理论基础.     

用于锂离子电池热安全保护的正温度系数材料

研制了一种新型的正温度系数(PTC)材料取代锂离子电池用导电剂,利用其高温下的金属-绝缘体相变导致的电导率变化对锂离子电池进行高温保护.通过对比,研究了高温下常规锂离子电池和加入PTC材料的锂离子电池的抗高温性能以及PTC材料在电池中的电阻温度变化效应.结果表明,温度高于80 ℃时该PTC材料在电池中的PTC效应非常显著,有效地改善了锂离子电池的热安全性.