EV6630电动轻型客车的研制

为帮助指导电动汽车设计,建立了电动汽车动力性能计算模型.在研究电池、电机及其调速系统的基础上,初步探讨了电动汽车的设计理论.据此理论,研制成功EV6630电动轻型客车,并完成了道路试验.结果表明,此设计理论具有一定的指导意义.     

高密度LiMn0.4 Ni0.4 Co0.2 O2正极材料的合成与研究

用一种改进的氢氧化物共沉淀法制备了粒径均一、近球形的Mn0.4Ni0.4Co0·2(OH)2,再通过高温固相合成法制备了高密度的LiMn0.4Ni0.4Co0·2O2正极材料。结果表明,在沉淀体系中加入F-,可以在较为宽松的条件下制备出振实密度为2·3g·cm-3的LiMn0.4Ni0.4Co0·2O2正极材料。对产物进行了XRD、SEM和充放电测试。SEM测试结果表明,产物具有良好的形貌;XRD测试表明,产物具有良好的层状结构,无杂质相存在。在充放电电压区间为3·0~4·4V,电流密度为30mA·g-1时,首次充电和放电容量分别为185和164mAh·g-1,经过50次循环,放电容量仍能保持90%。     

锂离子电池用无纺布支撑聚合物复合膜的制备

采用γ射线辐射接枝的方法在无纺布纤维表面接枝苯乙烯。将接枝改性后的无纺布浸渍于丁酮/PVDF-HFP/丁醇混合液中,真空干燥后制得多孔的无纺布支撑聚合物电解质复合膜。以其为隔膜组装了聚合物锂离子电池(LiMn2O4/无纺布聚合物复合膜/Li),进行充放电测试。研究结果表明,无纺布聚合物复合膜具有合适的厚度,一定的机械强度。辐射接枝提高了无纺布与聚合物混合液的结合力,在电池的充放电循环过程中不易发生短路,电池的容量和循环性能得到显著提高。     

锰酸锂正极锂离子二次电池纯电动汽车的研制

以100Ah的锰酸锂锂离子二次电池锂离子电池组和30kW交流电机组成了动力系统,研制了MGL6486EV电动汽车。电池组的电压为304V,能量为37kWh,电池组采用了智能管理系统(BMS)和均衡系统。电动机采用全数字适量控制,并具有刹车能量回收和防溜车功能。在充电时智能充电机始终与BMS保持通信联系,以保证电池组安全快速充电。车辆最高车速可达117km/h,0~50km/h加速时间为6·80s,50~80km/h加速时间为7·34s,爬坡度超过20%,续驶里程为204km,百公里耗电仅为19kWh。到目前为止该车辆已运行5万多km。     

电动汽车技术进展和发展趋势

通过对国内外电动汽车关键技术的发展现状和技术水平的比较分析，以及H∞鲁棒控制方法在电动汽车驱动控制、再生制动控制和运动控制系统上应用的研究，展望了电动汽车的发展趋势，首先发展铅酸蓄电池电动汽车(BEV)是明智的选择，由于开发混合电动汽车(HEV)的难度较大，所以燃料电池电动汽车(FCEV)将成为今后的主流技术，是未来汽车的发展方向。     

燃料电池汽车动力总成控制策略

讨论了燃料电池汽车的动力总成负载均衡、动力蓄电池充电态闭环控制、燃料电池发动机功率的预测调节 ,以及电机回馈制动控制策略等问题 ;介绍了动力总成控制器的算法实现 ,并示例性地给出了实车转鼓测试结果 .测试结果表明 ,针对电电混合动力总成提出的基本控制策略能充分考虑动力总成各组成部件的动力和经济特性 ,具有一定的实用价值     

电动汽车蓄电池荷电状态的卡尔曼滤波估计

对电动汽车剩余里程的预测需要一个准确的蓄电池荷电状态(SOC)值，但目前任何方法都不能精确地测量蓄电池的剩余电量，以计算电动汽车蓄电池的荷电状态(SOC)，在对目前常用的剩余电量计量方法分析的基础上，提出了一种基于电流的测量，然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估计，并在MATLB下进行了仿真。     

由废旧锌锰电池回收氯化锰和锌的一种工艺

介绍一种从废旧锌锰电池中回收锰、锌，进而生产工业级无水氯化锰、锌锭的工艺。该工艺所制得的产品符合有关企业标准，总回收率分别达到93％和95％。充分研究了产品除铁方法，并对镉、铅、汞重金属进行了无害处理。     

高锰酸钾氧化法制备可充碱锰电池正极材料MnO2

介绍了一种在HNO3介质中，用KMnO4氧化MnCl2，并通过添加Bi(NO3)，制备可充碱锰电池正极材料MnO2的方法．多次破坏性全充全放循环检测试验表明，利用该方法制备的MnO2作为正极材料，具有较好的循环寿命．放电试验进一步表明，Bi的加入改变了MrO2的结构，提高了稳定性，使MrO2的电化学性能得到明显改善，在深度放电条件下显出良好的可充性．     

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。