Application-specific parameterization of reduced order equivalent circuit battery models for improved accuracy at dynamic load

Reduced order equivalent circuit battery models are widely used for modeling batteries as a part of complex system or as a basis for battery monitoring algorithms. These models are often parameterized in frequency domain using impedance spectroscopy or in time domain by applying current profile and measuring respective voltage response. This paper shows how the frequency characteristic of a typical battery load in a given application can be considered during parameterization to improve the accuracy of the model when it is used in this application with dynamic load. The method uses impedance-based parameterization technique by adopting additional weighting coefficients to the complex nonlinear least squares (CNLS) fitting procedure without introducing any restrictions on its applicability. As an example, modeling of lithium-ion battery in electric vehicles is considered. The proposed techniques reduce the inaccuracy of modeled dynamic battery voltage response by 40% in the considered example.     

M-LFM: a multi-level fusion modeling method for shape−performance integrated digital twin of complex structure

As a virtual representation of a specific physical asset, the digital twin has great potential for realizing the life cycle maintenance management of a dynamic system. Nevertheless, the dynamic stress concentration is generated since the state of the dynamic system changes over time. This generation of dynamic stress concentration has hindered the exploitation of the digital twin to reflect the dynamic behaviors of systems in practical engineering applications. In this context, this paper is interested in achieving real-time performance prediction of dynamic systems by developing a new digital twin framework that includes simulation data, measuring data, multi-level fusion modeling (M-LFM), visualization techniques, and fatigue analysis. To leverage its capacity, the M-LFM method combines the advantages of different surrogate models and integrates simulation and measured data, which can improve the prediction accuracy of dynamic stress concentration. A telescopic boom crane is used as an example to verify the proposed framework for stress prediction and fatigue analysis of the complex dynamic system. The results show that the M-LFM method has better performance in the computational efficiency and calculation accuracy of the stress prediction compared with the polynomial response surface method and the kriging method. In other words, the proposed framework can leverage the advantages of digital twins in a dynamic system: damage monitoring, safety assessment, and other aspects and then promote the development of digital twins in industrial fields.     

数字孪生车间机器人虚实驱动系统构建方法

针对目前数字孪生车间构建中工业机器人等虚拟实体建模复杂、开发周期长等问题,提出了一种数字孪生车间工业机器人虚实驱动系统的模块化构建方法,即将虚实驱动系统分为设置模型参数的交互层和按功能需求设计配置的控制层,然后将实体工业机器人等抽象为单功能原子模型耦合而成的仿真模型。模块化分层构建虚实驱动系统的方法能快速有效地实现工业机器人等数字孪生虚拟实体的建模,以及工业机器人在虚拟空间中的仿真运行模拟和虚实同步运行。     

知识驱动的加工产品数字孪生拟态建模方法

对加工过程的实时观察、分析和控制是优化零部件加工策略的重要组成部分。通过融合几何状态、物理状态和设备状态变化等多维、实时的加工过程数据,可以实现对加工过程的建模和监控。数字孪生模型是数字孪生系统的核心与基础。但是,目前还缺乏一种系统且能自适应开发高保真、多尺度、多维加工数字孪生建模方法,以辅助系统进行分析与决策。提出了一种知识驱动的加工产品数字孪生拟态建模方法,可以在加工过程中自适应地构建产品数字孪生模型。该模型可根据加工过程自适应的变化,实时表达加工过程中的产品,为数字孪生决策系统提供数据支持。最后在一个航天零件的加工过程中测试了该方法,验证数字孪生拟态模型在加工中应用的可行性。     

航天器电源建模仿真综述与展望

电源系统是航天器上必不可少的重要分系统,用于产生、储存、分配电能。随着航天器数量的爆发式增长,电源系统的建模仿真成为航天器健康管理和智能运维领域的研究热点。鉴于此,本文首先总结了航天器电源的分类、组成及发展趋势。接着,从航天器健康管理和智能运行维护视角,综述了航天器电源建模及仿真技术体系,航天器电源典型部件机理建模、数据驱动建模、数字孪生融合建模方法,航天器电源的仿真技术与仿真软件、建模仿真的典型应用。最后对航天器电源建模仿真的技术挑战及发展趋势进行总结和分析。本文预期能够为航天器电源健康管理、航天器电源建模与仿真、数字孪生领域的研究人员提供一定的参考和借鉴。     

锂离子电池功率状态预测方法综述

随着锂离子电池在智能电网、新能源汽车等领域的大规模应用,其充放电能力,即峰值功率的准确预测对于保障系统的安全、可靠运行至关重要。从单体和系统两个层面归纳分析锂离子电池功率状态预测方法的研究进展：针对电池单体预测方法,主要包括测试查表法、黑箱法、等效电路及电化学模型法等,重点阐述多参量约束的等效电路模型法,并进行分类与对比分析;针对电池系统,从电池系统模型及功率状态预测算法两个角度出发,分别讨论了串联型、非串联型电池系统的功率状态预测算法和大数据驱动的智能预测方法,并分析各方法的优缺点及应用领域;结合下一代云计算、大数据、数字孪生等发展趋势,对锂离子电池功率状态预测方法进行展望,为促进电池全生命周期管理技术的研发与应用提供一些思路。     

锂离子电池高精度机理建模、参数辨识与寿命预测研究进展

拥有高能量密度、低自放电率和长寿命的锂离子电池是电动车辆的主要储能单元,其性能直接影响了车辆的动力性和安全性。然而,锂离子电池是复杂的电化学系统,其内部状态具有时变性和不可观测性。此外,电池在使用过程中性能将不断衰减,将给车辆的安全性带来隐患。为保证电池在车用工况下的高效、安全和可靠运行,需要对电池实施有效管理。电池模型是管理算法的理论基础,参数辨识是模型应用的前提,而寿命预测是保证电池安全的关键技术。针对上述实际应用需求,综述了锂离子电池高精度电化学-热耦合机理建模、模型参数辨识和寿命预测的最新研究进展。重点关注宏观电化学模型中模型重构和模型简化两种模型降阶方法,对比分析参数辨识中试验测量和非拆解式辨识方法的特点,全面总结寿命预测中基于模型、基于数据驱动和融合式算法的算法架构。在此基础上,总结现有研究的不足并对未来研究方向提出展望。     

基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计

针对燃料电池汽车用锂离子动力蓄电池建立一个简单物理模型和一个复杂物理模型,它们分别以不同等效电路来描述电池的动态特性,然后将这两个物理模型中各物理量和状态量之间的关系表达成离散化的状态空间方程.在此基础上,利用在燃料电池汽车实车运行过程中测得的包括电流、电压等数据,基于扩展卡尔曼滤波算法对锂离子动力电池的荷电状态进行估计,并对利用两种模型进行估计的结果进行比较分析.分析结果表明,基于电池等效电路模型的卡尔曼滤波电池荷电状态估计算法是有效的,并且电池模型对估计结果的影响较大,利用精确的电池模型容易达到较高的估计精度.     

基于数字孪生的卫星总装过程管控系统

为解决卫星总装过程实时管控和分析预测的难题,提出一种基于数字孪生的卫星总装过程管控系统,建立了系统体系结构,研究了面向总装过程管控的产品与车间孪生建模、数据物联采集与虚实精准映射、数字孪生驱动的总装过程实时管控与分析预测、孪生数据多维度组织管理等关键技术。该系统以孪生模型和实时数据为驱动,基于产品关键特征和车间关键要素,将模型与数据进行有效融合,实现了总装过程的实时管控,并为生产决策提供支持。通过在卫星总装车间部署运行的应用效果,验证了该系统的有效性和可行性。     

Highly precise determination of the state of charge of vehicular battery

An intelligent battery sensor is an important component for vehicular energy management, and the precision of online estimation of the state of charge determines sensor’s performance. A simple equivalent circuit was employed to describe the dynamic properties of vehicle lead-acid batteries. A model is reported to estimate the state of charge using the approximately linear relationship of open circuit voltage with this parameter. A time-varying circuit of the model was prepared and an identification model was derived to improve the accuracy. A method that employed a cascaded combination of double improved extended Kalman filters is reported and employed in a demonstration intelligent battery sensor. This approach has higher precision and speed in estimating the state of charge compared to previous protocols.     

基于数据驱动的锂离子电池健康状态估计研究进展综述

锂离子电池(LIBs)在电气化交通、电化学储能和移动电子产品等领域广泛使用,精准评估其健康状态( SOH)是确保安 全可靠应用的基础。 数据驱动法是当前评估 SOH 的主流方法,该方法无需考虑电池内部复杂的物理化学反应,依赖于直接的 数据分析,且具有较高的精度。 本文从锂离子电池 SOH 影响因素入手分析了基于数据驱动的电池 SOH 估计方法的研究现状, 着重比较了机器学习、滤波器和时间序列等方法实施 SOH 估计的原理、优缺点。 最后,针对电动汽车实际应用场景,对 SOH 估 计方法的未来发展趋势进行了展望。     

安保机器人数字孪生系统研究

针对安保机器人物理结构复杂、控制系统精度要求高、实时数据采集、数字端的传感器信号处理等问题致使安保机器人开发周期长、开发难度大的问题,设计了一个安保机器人数字孪生系统。对安保机器人数字孪生系统的系统管理模块、系统监控模块、功能模块3个子模块进行了详细设计,实现了对安保机器人数字孪生系统的管理、机器人主要部件的参数监控、传感器数据的采集和处理以及同类型机器人的二次快速开发。     

汽车动力学稳定性控制研究进展

汽车稳定性控制系统(Dynamics stability control stystem, DSC)是汽车主动安全领域的一项关键技术,长期以来一直是汽车领域的研究热点。DSC系统集成汽车防抱制动系统(Anti-lock braking system, ABS)、牵引力控制系统(Traction contort system, TCS)以及主动横摆力偶矩控制系统(Activeyam control, AYC),能有效改善汽车的稳定性和安全性。汽车稳定性控制技术的发展可分为动力学建模、状态观测、控制策略和产业化四个方面。其中动力学建模包括面向仿真的建模和面向控制的建模。面向仿真的建模可采用ADAMS或Carsim建立仿真模型,面向控制的建模可采用两轮或四轮模型。状态观测主要需要对动力学控制关键参量如轮缸压力、路面附着、轮胎力和纵横向车速等进行在线观测。在已实现DSC控制的基本功能后,对DSC控制的要求进一步提高,为了减少控制的滞后性,介绍基于预测横摆角速度的AYC控制策略,同时为了减少汽车在对开路面上的抖动,介绍防抖振的TCS控制技术。通过不断的探索和研究,稳定性控制技术在国内的产业化也逐步在实现。     

锂离子电池健康评估和寿命预测综述

随着锂离子电池的广泛应用,其健康管理和寿命评估成为很多领域的挑战和热点研究问题。为此,本文针对锂离子电池健康管理和寿命预测的研究现状进行分析,重点归纳和总结锂离子电池剩余寿命预测的方法和应用现状,涵盖锂离子电池管理系统、退化状态识别和循环寿命预测三部分核心内容。最后,给出一个面向空间应用的实例,并分析了未来的发展趋势和研究挑战。     

基于数字孪生的复杂产品装配过程管控方法与应用

针对航天复杂产品装配过程的实时可视化监控、运行状态在线分析与预测难题,提出了一种基于数字孪生的复杂产品装配过程管控方法。首先构建了面向复杂产品装配过程管控的数字孪生模型;在此基础上,引入工作流技术实现了装配过程数据的实时采集与管理,提出实时数据驱动的数字孪生车间同步运行方法;随后通过灰色马尔可夫预测模型、T-K统计控制图以及关联规则算法的集成应用,实现了对复杂产品装配过程中的小样本量质量数据的实时预测与分析。最后,自主设计并开发了基于数字孪生的复杂产品装配过程管控系统,并在某卫星装配车间进行了应用验证。     

分布式电驱动车辆状态感知与控制研究综述

分布式电驱动车辆转矩响应快、全轮独立可控、制动能量可回收且可大幅度提升整车能效,对增强车辆安全性、操纵稳定性和运行节能性具有重要的意义。但须研究解决过驱动系统复杂性、非线性耦合、轮路接触非线性和不确定性等核心问题,这依赖于研究先进的状态感知和控制方法。从控制和状态感知的角度,基于功能目标对现有研究进行分类,综述分布式电驱动车辆的最新研究进展。状态感知为控制系统提供准确、可靠、快速的运动状态反馈信号,但面临车速估计难、传统检测方法带宽受限、复杂未知路面影响等挑战。控制系统首要目标是车辆安全稳定性,进而提升整车能效,并可通过多目标优化拓展其他复合功能,但面临多目标耦合干涉、异构多尺度执行系统同步协调、附着条件未知不确定、在线实时计算与全工况测试等关键挑战。充分利用分布式电驱动系统机电信号测量准确、简便、带宽高的优势,协同利用智能车体系的多源异构传感信息,是状态感知技术发展的重要思路;进一步挖掘分布式电驱动转矩响应快、全轮电制动能量回馈等优势,突破复杂、全工况、不确定条件下的多目标优化控制方法,是解决控制系统所面临挑战的重要思路。     

插电式混合动力汽车电池系统的研发

以国内某款插电式混合动力汽车(PHEV)电池系统研发为基础,论述了电池系统的结构设计、强度分析和散热分析方法,同时浅析了电气设计原理和BMS(BatteryManagementSystem)控制策略。希望能为插电式混合动力汽车电池系统的研发提供一些借鉴。     

Data-driven digital twin technology for optimized control in process systems

Due to the installation of various apparatus in process industries, both factors of complex structures and severe operating conditions could result in higher accident frequencies and maintenance challenges. Given the importance of security in process systems, this paper presents a data-driven digital twin system for automatic process applications by integrating virtual modeling, process monitoring, diagnosis, and optimized control into a cooperative architecture. For unknown model parameters, the adaptive system identification is proposed to model closed-loop virtual systems and residual signals with fault-free case data. Performance indices are improved to make the design of robust monitoring and diagnosis system to identify the apparatus status. Soft-sensor, parameterization control, and model-matching reconfiguration are ameliorated and incorporated into the optimized control configuration to guarantee stable and safe control performance under apparatus faults. The effectiveness and performance of the proposed digital twin system are evaluated by using different simulations on the Tennessee Eastman benchmark process in the presence of realistic fault scenarios.     

电动汽车锂离子动力电池健康状态在线诊断方法

随着电动汽车的快速发展,高比能锂离子电池的衰减问题日益受到关注,其健康状态是耐久性管理的核心参数,对延长电池寿命提高系统可靠性至关重要。以三元材料锂离子电池为研究对象,基于正负极的开路电压模型,描述正负极和全电池的匹配关系并在全新电池尺度上重构其开路电压-荷电状态曲线,分析正负极匹配关系在电池经历各种老化模式后的演变特性,从而在全新电池尺度上重构老化电池的开路电压-荷电状态曲线,并据此提出了改进的锂离子电池老化模式无损定量诊断方法,克服了现有方法必须以电池的真实开路电压-荷电状态曲线为诊断依据的局限性,从而更加适用于实车在线应用。采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,并使用所提出的老化诊断方法拟合该开路电压曲线,可以定量分析电池遭受的正极材料损失、负极材料损失和可用锂离子损失。在此基础上,提出电池最大可用容量的估计方法和真实开路电压-荷电状态曲线的辨识方法,结果表明,在动态工况下容量估计误差在1%以内,开路电压-荷电状态曲线的方均根误差在6 mV以内。该方法应用于电池组,可以实现电池组内各单体电池的最大可用容量和荷电状态一致性估计。     

[数字孪生驱动的智能制造]基于数字孪生的航天制造车间生产管控方法

针对目前航天制造车间生产管控中存在的效率低、精细度差、动态响应能力不足等难题,研究了基于数字孪生的制造车间生产管控方法,设计了基于跨网段信息异步交互的航天数字孪生车间架构,提出了航天数字孪生车间的基本组成和虚实融合的制造车间分层管控模式,阐述了面向不同对象的制造智能（MI）和商业智能（BI）场景应用,为军工企业车间生产管控提供了可行的技术途径。