排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
针对目前在蓄电池内阻检测中被广泛采用的锁相放大法存在硬件电路复杂、成本较高、操作复杂等问题,提出采用特征分解谱估计的方法来替代蓄电池内阻检测中的锁相放大环节,以软件计算的方法替代硬件电路,从而降低硬件成本及操作难度；通过对特征分解谱估计的原理分析以及对运用特征分解谱估计方法进行蓄电池内阻测量时的关键步骤,即电压信号的提取与幅值检测进行仿真,仿真表明特征分解谱估计方法在高功率噪声背景下仍有较高的频率分辨力,幅值测量结果在50 dB高斯白噪声背景下测量误差约为2%,而在20 dB非高斯白噪声背景下测量误差约为3%；分析表明基于特征分解谱估计的蓄电池内阻检测方法在较高功率非高斯噪声背景下具有良好的检测效果,可以作为微弱信号检测的软件实现方法以替代锁相放大环节。 相似文献
2.
针对蓄电池荷电状态在线监测中对准确度和测量速度的要求,本文提出采用模糊辨识算法对蓄电池进行系统辨识。并通过对蓄电池的荷电状态与内阻、端电压数据的分析,建立了蓄电池荷电状态的模糊规则模型,并以此进行蓄电池荷电状态的测量,得到均方误差为0.0052。测量结果表明基于模糊辨识算法的蓄电池荷电状态测量能够满足蓄电池在线监测的要求,且易于硬件实现。文章还使用DSP Builder设计了蓄电池荷电状态测量模块,其中内阻测量采用了特征分解谱估计的信号提取方法,荷电状态测量则实现了模糊辨识算法所得出的模糊规则模型的运用。 相似文献
3.
通过分析阀控铅酸(VRLA)蓄电池的荷电状态(SOC)与内阻变化量(ΔR)数据,建立了蓄电池的数学模型,并运用Ma tla b软件对模型进行参数拟合得到S OC-ΔR经验公式。采用所得经验公式对恒流放电、恒功率放电及不同型号的电池放电过程中的SOC进行测量分析,结果表明该经验公式可运用于不同型号的、健康状况良好的VRLA蓄电池SOC测量,测量误差在10%以内。该方法测量过程简单,所需测量参数少,易于硬件实现,且适合在线测量。 相似文献
4.
采用模糊辨识的方法,以蓄电池输出能量与放电深度的比值为输入变量对蓄电池的健康状况(SOH)进行建模,并用所得模型对蓄电池SOH进行预测,取得了良好的预测效果,并且该方法所需辨识数据较少,能满足蓄电池SOH在线监测的速度要求。 相似文献
1