基于非奇异快速终端模糊滑模控制器的SPMSM无速度传感器控制

传统PI速度控制和传统滑模控制(SMC)导致表贴式永磁同步电机(SPMSM)运行时速度调节差,在负载发生改变和转速突变时不能很好地控制,系统抖振较大。为了解决此问题,提出一种新型非奇异快速终端(NSFT)滑模面与模糊控制相结合的方法,设计速度控制器以实现SPMSM的无速度传感器控制。用连续函数υ(s)代替趋近律中的开关函数,有效抑制抖振;设计模糊控制规则和模糊参数自适应律,对趋近律中的参数进行自适应调整;设计Lyapunov函数证明新型SMC的稳定性。MATLAB仿真结果表明,所设计的新型NSFT模糊滑模速度控制器(NSFT-Fuzzy-SMC)在系统状态发生改变时,调节速度更快,效果更好,系统的鲁棒性更强,稳定运行时抖振更小,比传统SMC具有更好的控制性能和抗干扰能力。     

基于多参量的动力电池剩余使用价值定义与评价方法

锂离子电池广泛应用于电动汽车和储能等领域,准确的价值评估对于电动汽车及储能系统的长期稳定运行至关重要。传统基于单参量的价值评估方法未考虑参数间复杂的耦合关系,既不准确也不客观。为此,提出了一种基于多参量的动力电池剩余使用价值(Remaining useful value, RUV)定义与评价方法。所提方法考虑了影响电池性能的关键指标,如健康状态(State of health, SOH)、剩余寿命(Remaining useful life, RUL)、容量衰减率等,采用熵权法对各指标进行客观赋权。通过最大最小法计算各评价指标得分,从而综合定义并评估电池的剩余使用价值。通过在MIT数据集验证可知,所提方法能够合理有效地评估电池价值,计算方法简单,鲁棒性强。所提方法能够为电池剩余使用价值的综合评估提供新思路,有助于电池管理及合理回收利用。     

基于膨胀应力的锂离子电池剩余使用寿命预测

准确快速预测锂离子电池剩余使用寿命(Remaining useful life, RUL)对系统安全稳定运行至关重要。然而,电池内部退化机理复杂,外部运行工况多变,给RUL预测带来了极大挑战。为此,提出了一种基于电池膨胀应力的RUL预测方法。提取电池膨胀应力信息,分别分析可逆膨胀和不可逆膨胀与容量之间的关系,并计算相关性。将可逆膨胀和不可逆膨胀作为特征参数,构建并训练长短期记忆(Long short-term memory, LSTM)神经网络,实现RUL精准快速预测。通过在UMBL公开数据集上验证,利用膨胀应力特征能更好地学习电池老化状态,捕捉电池容量下降趋势。结果表明,在不同循环起点和多种老化条件下,RMSE和MAE分别小于0.82%和0.70%,所提出的方法能够精准快速预测RUL,鲁棒性强。     

锂离子电池全寿命周期个性化退役与评价方法

锂离子电池(Lithium-ion batteries, LIBs)广泛应用于储能系统(Energy storage system, ESS)、电动汽车(Electric vehicles,EVs)等领域。然而,电池在运行过程中容量会逐渐下降直至退役。传统方法以80%健康状态(State of health, SOH)作为退役标准,未考虑电池实际衰退速率,不仅不能充分利用健康电池,而且难以有效保障非健康电池的安全性。同时,SOH相等但电池老化特性和衰退速度不一定相同。仅以SOH评价无法准确反映电池老化差异。为此,提出一种锂离子电池全寿命周期个性化退役标准和老化评价方法。以容量衰退梯度和SOH为特征,首次定义全新退役指标(Index of decommissioning,IoD),计算IoD在80%SOH下的分布,获取退役阈值,并以此阈值为标准定义电池退役时刻。提出一种全新的健康状态评价指标—电池容量跳水度(Terminal diving rate,TDR),评价电池在使用过程中出现的非线性老化现象。通过在MIT公开数据集上验证,所提方法计算简单、鲁棒性强,能够实现电池个性化退役,更有效...