大学生心理一致感量表中文版的信效度检验

目的对大学生心理一致感（SOC-13）中文版进行初步的修订和信效度检验。方法根据量表修订的方法,在国内四省市九所大学中选取1052名在校大学生进行测试,分析中文版的信度和效度。结果项目分析结果表明,SOC-13各项目的项目鉴别力良（r=0．109～0．545）;内部一致性系数为0．79,分半信度为0．757,重测信度为0．621;效标关联效度理想。结论修订后的心理一致感量表具有较高的信度和效度,可作为中国大学生心理一致感的测量工具。     

基于DSP的电动汽车电池管理系统的设计

在大量充放电模拟试验和随车试验数据采集的基础上,构建了基于数据信号处理器（DSP）芯片TMS320C2812的电池管理系统,实现了数据监测、荷电状态（SOC）估计、控制局域网（CAN）通信及USB存储等功能．在SOC估计算法上,根据电池所处状态进行了分类分析,并对估算难度最大的电池动态放电状态的算法进行了仿真实验．实验结果表明,该算法对镍氢电池的SOC能进行准确预测,并具有较高的精度．     

气相中Zr活化CH_4分子C—H键的理论研究

采用密度泛函理论和高级电子相关耦合簇方法,在CCSD/6-311++G(3df,3pd)//B3LYP/6-311++G(3df,3pd)理论水平下,研究了两个自旋态下的Zr原子活化CH4分子中C—H键逐个夺取H原子的微观反应机理.通过计算,讨论了势能面交叉和可能的自旋翻转过程.用Harvey等的方法优化出最低能量交叉点(MECP),并计算了MECP处相应的自旋-轨道耦合常数(SOC),进一步讨论了Zr与CH4的反应中不同势能面之间的"系间窜越"(ISC)的可能性.     

EIS过程阻力与铅酸电池荷电量

电化学阻抗谱是研究电池的重要技术之一,但被解谱模型不一致限制了独立应用．研究表明：可以用传输线模型中串联电阻和电容的比值（Ri/Ci）表征过程阻力特征,并与电池荷电量（SOC％）有单调关系．借助文献中铅酸电池EIS数据进行了验证,表明尺忍的对数与SOC％有直线关系,且当SOC％从0变化到100时,Ri/Ci变化5-100倍,具有较高的灵敏度．最后探讨了溶液电阻在电池过程阻力中的重要作用．     

无轨电车用锂离子电池管理系统的研究

为了配合锂离子电池在无轨电车上的应用,提出了一种针对无轨电车运行环境的锂电池管理系统,能够对车载电池进行故障诊断、分级报警和优化充电.本文主要分析了无轨电车环境下电池运行模式的特点,针对原有铅酸电池的使用和管理问题,提出了更加优化合理的锂离子电池使用方法和控制策略,就电池的故障分级、电池荷电状态(SOC:State of Charge)估算、电池有效利用容量区间、充电电流的计算方法进行了深入研究,提出了多种特殊处理方法,较好配合了锂离子电池在无轨电车上的安全高效使用.     

基于多时间尺度锂电池在线参数辨识及 SOC 和 SOH 估计

电池的荷电状态和健康状态是衡量电池续航和寿命的重要指标,为解决电池参数的时变性问题,提高电池 SOC(State of Charge)估算精度,减少硬件计算量,提出一种多时间尺度在线参数辨识双扩展卡尔曼滤波联合算法。 以 18650 三元锂电池为研究对象,采用基于二阶 RC 等效电路模型的多时间尺度 DEKF 算法,针对电池参数的慢变 特性和状态的快变特性进行双时间尺度在线参数辨识和 SOC 估算;通过联邦城市驾驶计划 (FUDS) 测试验证,得 出多时间尺度 DEKF 算法和传统离线辨识 EKF 算法对 SOC 估计的平均绝对误差分别为 0. 97%和 2. 46%,均方根 误差为 1. 19%和 2. 69%,容量估计值对参考值最大误差仅为 0. 007 72 Ah;实验结果表明:所提出的多时间尺度 DEKF 算法,具有更好的鲁棒性和 SOC 估算精度并能实时反应 SOH 变化趋势。     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

混合动力汽车自适应等效油耗最低能量管理策略

为提高插电式混合动力汽车燃油经济性，采用基于动态规划（DP）的控制策略仿真分析了不同典型工况、不同行驶里程下SOC（电池荷电状态）的最优轨迹。在等效油耗最低能量管理策略（ECMS）的基础上，采用比例积分（PI）控制算法实时更新电能-燃油等效因子，以保证SOC实际轨迹能够大致跟随理论参考轨迹，进而提出了一种可实时控制的自适应等效油耗最低能量管理策略（AECMS）。为验证所提控制策略的控制性能有效性，采用不同典型工况及不同行驶里程对ECMS、DP、AECMS的控制性能进行了仿真对比。结果表明，AECMS控制效果接近于DP控制策略且可实时控制，电量消耗（CD）模式下AECMS相对于ECMS减少油耗3.50%~8.71%，电量保持（CS）模式下AECMS相对于ECMS减少油耗1.11%~2.46%。     

锂离子电池荷电状态的在线融合估计方法

为提高安时积分法对荷电状态估计的精度,解决其估计误差随时间不断增大的问题,采用极限学习机算法建立了安时积分法的误差预测模型,该模型以电池工作电流作为输入,对应的安时积分法荷电状态估计误差作为输出,将误差预测模型与安时积分法进行融合,对安时积分法的荷电状态估计值进行校正,形成了安时积分法和极限学习机方法融合的锂离子电池荷电状态在线估计方法.仿真分析结果表明,相比安时积分法,融合方法可有效减小荷电状态估计误差,克服安时积分法估计误差随时间不断增大的问题.     

遗传径向基函数神经网络估计纯电动汽车锂电池的荷电状态

考虑到串联的锂电池是复杂的非线性系统,并且径向基函数神经网络(RBF NN)对于解决非线性问题有较好的特性,建立了锂电池SOC估计的RBF NN模型,并提出了一种基于遗传RBF NN的电动汽车锂电池SOC估计的方法. 利用在2010年上海世博园区中运营的纯电动汽车锂电池数据对遗传RBF NN进行训练和SOC估计的实验. 实验结果表明,SOC估计的均方根误差为0.0024,提高了估计的精度.