锂离子电池组快速智能充电技术

阐述了锂离子电池的基本电气特性,对锂离子电池组中单体电池压差导致电池组使用寿命严重缩短的问题进行了分析.根据锂离子电池组充电的特殊要求,设计了一种基于单片机的锂离子电池组快速智能充电管理系统,它能够按照锂离子电池的充电规律的要求为电池组进行快速充电;并采用模糊控制算法控制的buck-boost均衡电路智能调整单体电池之间的电压差,实现电压均衡.     

锂离子电池充电方法研究

本文阐述了锂离子电池的线性充电方案和脉冲充电方案的基本原理，通过两种充电方式在不同温度下充电时间和可用容量的对比试验、电池老化试验，得出了以下结论：脉冲充电方式比线性充电方式能够更快地给锂离子电池充电，而且充电后的可用容量两者大致相等；脉冲充电并不比线性充电更快地使电池老化。并从理论分析上分析了脉冲充电方式改善充电效果的原因。     

基于温度和SOC的锂离子电池特征提取及SOH估计

为了解决电池日常使用过程中数据量获取不足和健康因子提取难的问题，通过分析不同温度下锂离子电池的荷电状态(SOC)与充电电压的变化曲线，提出基于温度和SOC的锂离子电池健康因子提取及健康状态(SOH)在线估计的方法.在电池的实际充电过程中，根据环境温度差异选取电压和电流作为健康因子.利用遗传-爬山算法优化极限学习机的网络参数，建立健康因子和SOH的映射关系，实现SOH在线估计.使用9组NASA电池老化数据进行验证，结果表明，本文方法具有估计精度高、环境温度适应性强的优点.     

电动汽车脉冲快速充电器

为了提高铅酸蓄电池的充电效率,缩短充电时间,消除蓄电池的极化现象,在分析密封式铅酸蓄电池的充电特性的基础上,采用脉宽调制技术,分阶段改变充电电流的大小,根据电压、电流反馈自动控制调节充电脉冲宽度,设计了一种快速脉冲充电器. 和以往的快速充电器相比较,该冲电器具有充电时间短,充电效率高,尤其是在充电过程中电池内部的温升降低,减小了电池的极化现象.     

基于快速充电原理的充电器设计

可再充电电池的利用率和使用寿命很大程度上取决于充电器的性能，而可再充电电池——镉镍电池、镍氢电池和锂离子电池的充放电特性，是充电器设计的主要依据。本文在分析电池的充放电特性后，提出了充电器的设计要求和充电终了标志的确定方法，然后阐述了快速充电方法的原理，介绍了由于大电流充电引起极化的消除方法，最后提出了智能充电器的设计思路。     

中国航发航材院研发成功新型石墨烯锂离子电池

<正>中国航发北京航空材料研究院石墨烯及应用研究中心的研究人员成功研制出了具有快速充电、长寿命、低发热等特性的新型石墨烯锂离子电池。该产品目前已实现批量制备,即将进入市场应用。检测结果表明,在同等条件下,该新型石墨烯锂离子电池的充电时间仅为普通锂离子电池的1/10,但使用寿命却可达普通锂     

锂离子电池:充电电池中的绿色电池

锂离子电池是对以锂离子嵌入化合物为正极材料的电池的总称。锂离子电池的充放电过程,就是锂离子的嵌入和脱嵌过程。锂离子电池具有工作温度范围大、循环性能好、可快速充放电、充电效率高达100%、使用寿命长,不含有毒有     

基于充电电压均值的锂离子电池RUL估算方法

针对具有高复杂性电化学系统的锂离子电池,提出了一种基于模型的预测电池剩余寿命的方法.考虑到外部特性参数的易测量和易处理,筛选出了和电池容量具有较高相关性的充电电压均值,然后构建电池退化模型预测RUL.该方法建立了二元回归模型,以充电电压均值和充放电循环次数为特征量,构建了阶数为二的多项式模型.仿真结果表明,基于充电电压均值的容量退化模型不仅能够很好地预测当前容量,也能够更精确地预测RUL.同时仿真测试中对三个电池使用了该方法,都取得了较好的结果,说明该方法对锂离子电池的RUL预测具有较好的适用性.     

基于IPSO-GRU的锂离子电池剩余使用寿命预测

为了提高预测锂离子电池剩余使用寿命（RUL）的精度,提出了一种基于改进型粒子群算法（IPSO）与门控循环单元（GRU）神经网络的锂离子电池RUL预测模型。首先,通过改变PSO算法的惯性权重和学习因子的更新规则,提高其寻优能力;然后,通过IPSO算法优化GRU神经网络的参数选择,搭建IPSO-GRU模型。最后,利用美国国家航空航天局（NASA）公开的锂离子电池实验数据进行试验,验证IPSO-GRU模型的准确性。实验结果表明,相比于直接采用单一GRU模型,所提IPSO-GRU模型降低了容量预测误差,有效提高了锂离子电池RUL预测精度。     

用基于遗传优化的扩展卡尔曼滤波算法辨识电池模型参数

提出了一种基于遗传优化算法(Genetic algorithm,GA)和扩展卡尔曼滤波(ExtendedKalman filter,EKF)算法的电池模型参数辨识方法。建立了锂离子动力电池等效电路模型,模型中两个RC网络分别描述电池的电化学极化特性和浓差极化特性,迟滞电压描述电池充放电过程的平衡电势的差异。对于具有耦合关系的模型参数,采用具有最小均方误差估计效果的EKF辨识算法,针对EKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于遗传算法优化EKF噪声矩阵的方法。试验和仿真结果表明:基于遗传优化的EKF算法(GA-EKF)辨识的电池模型满足电动车辆仿真精度要求。     

一种基于充电模式识别的电动汽车充电时间预测方法（英文）

电动汽车动力电池过度充电容易导致电池加速老化和严重的安全事故。因此,准确预测车辆充电时间对充电安全防护意义重大。由于电池组结构复杂,充电方式多样,传统方法因缺乏充电模式识别而预测精度不高。本文应用数据驱动和机器学习理论,提出一种新的基于充电模式识别的充电时间预测方法。首先,基于动态加权密度峰值聚类（DWDPC）和随机森林融合的智能算法对车辆充电模式进行分类;然后,采用改进的简化粒子群优化算法（ISPSO）和强跟踪滤波器（STF）,对LSTM神经网络进行优化,构建了一种高性能的充电时间预测方法;最后,通过实际工程数据对所提出的ISPSO-LSTMSTF方法进行了验证。实验结果表明,该方法能够有效区分充电模式,提高了充电时间预测精度,具有实际工程意义。     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

融合改进布谷鸟搜索算法和DRNN的非线性系统辨识

针对非线性系统的辨识问题,引入了对角回归神经网络模型.为了对辨识模型进行优化,设计了一种新的杂交操作策略,并将该策略引入到布谷鸟搜索中,获得改进的布谷鸟搜索算法(hCS).通过对12个典型测试函数的数值寻优实验,结果表明,所提出的算法与基本的布谷鸟算法相比,其解的精度有了明显的提高.将所提出的算法用于2个非线性系统神经网络辨识模型的优化,仿真结果表明hCS优化的模型拟合精度更高.     

基于遗传和改进布谷鸟算法的BP神经网络建模

针对现代工业系统具有高度非线性的特点,以及采用BP神经网络对非线性系统建模易出现局部最优、过拟合或欠拟合的问题,提出采用遗传算法(GA)和改进布谷鸟算法(CS)优化BP神经网络建模的方法(GACSBP算法)。首先利用遗传算法自适应、全局搜索的特点优化神经网络拓扑结构,避免神经网络建模出现过拟合或欠拟合的问题;然后采用改进布谷鸟算法优化BP神经网络权值,加入惩罚项进一步防止神经网络建模时陷入局部最优。对NACA0012翼型自噪声数据进行建模,仿真结果表明,与BP神经网络相比,提出的GACSBP算法避免了局部最优,明显提高了模型预测精度,且所需迭代次数和时间均明显减少。     

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

模糊控制技术在电池快速充电控制中的应用

针对常规的电池快速充电模式存在的问题,探讨了基于模糊控制技术的电池快速充电器的设计方法,给出了该方案应用的测试结果,实现了电池充电过程的优化控制,为有效延长电池的使用寿命提供了一种解决方案。     

基于Fluent的锂离子动力电池的热分析

锂离子动力电池的温升现象严重影响电池的寿命和汽车的安全性.本文分析了锂离子动力电池的生热机理,进行了热效应模型的建立和热物性参数的确定.建立了电池三维模型并进行网格划分,选择稳态流动的求解方法及设置合理的边界条件,最后对电池进行2 A、3 A、4 A和5 A的恒流热分析.仿真结果表明不同恒流放电下,电池的最低温度、最高温度和最大温差都不同,放电电流越大,电池的最低温度、最高温度和最大温差都随之增大.     

基于DCDC变换器的铅酸蓄电池充电控制方法

针对车载铅酸蓄电池存在过充放电进而导致使用寿命、容量降低和充电时间较长的问题,提出基于电池剩余电量(SOC)预测和模糊控制算法相结合的方法,并且在将铅酸蓄电池剩余电量维持在健康范围内的约束条件下,实现车载蓄电池高效、快速、安全的智能充电。首先通过建立电池的SOC预测模型,根据模糊算法设计了智能充电控制器,其次设计了基于Buck电路拓扑和模糊控制器的蓄电池智能充电拓扑,并通过搭建Simulink进行仿真,最终验证在蓄电池保证健康剩余电量的情况下,智能充电曲线符合马斯充电曲线,实现对于蓄电池快速、安全的充电,有利于蓄电池的健康使用。     

应用改进布谷鸟算法优化多阈值图像分割

针对传统多阈值图像分割方法在寻找最优阈值过程中存在计算量大、计算时间长的问题,提出了一种基于改进布谷鸟算法的多闽值图像分割方法.首先,将教与学搜索策略引入布谷鸟算法,提高了算法的局部搜索能力;其次,选择当前种群中适应度值较优的精英解构建精英库并随机选择精英解指导搜索方向,强化优势经验的学习;最后,引入模拟退火机制选择鸟巢位置,有效避免了个体在寻优过程中陷入局部最优.选择了多幅不同类型的复杂多目标图像进行分割实验,并与布谷鸟算法、蛙跳算法、教与学优化算法及广义反向粒子群与引力搜索混合算法的分割结果进行对比分析.实验结果表明,该方法在分割准确性、计算时间和收敛性上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题.     

锂离子电池组能量均衡控制

设计了一种基于SOC单片机的锂离子电池组能量快速智能均衡控制管理系统,调整单体电池之间的电压差,实现电压均衡。均衡充电试验结果表明,该方案能有效地弥补单体电池能量的不一致性。