乙醇对电化学浸渍的影响

乙醇-水溶液二元体系电化学浸渍具有很高的实用价值。为探讨乙醇的加入对电化学浸渍的影响,以水溶液电化学浸渍条件为基础,研究了乙醇的加入对混合溶液中pH值和氢氧化镍沉积速度的影响。研究表明,浸渍液中的乙醇通过促进Ni2 的水解,使浸渍液的pH值维持在一个稳定的范围;同时乙醇的存在减小了氢氧化镍的溶度积,加快了阴极的沉积反应速度。以此为基础得到了乙醇-水溶液二元体系电化学浸渍的操作条件。     

纤维镍电极的电化学浸渍

叙述了纤维镍电极电化学浸渍适宜条件选择实验及所得出的最佳结果,对纤维镍电极的生产有一定指导意义.     

电化学浸渍镍电极结构的研究

采用镍电极电化学浸渍工艺,取代目前一直使用的真空化学浸渍工艺,用于氢镍电池、镉镍电池和锌镍电池的制造,可提高电池的工作性能和寿命.介绍了用现代物理测试手段对电化学浸渍镍电极结构的研究,探讨了其性能优越的原因.     

反复浸渍法制备氢氧化镍及电化学性能研究

以氢氧化钠为沉淀剂,以氯化镍为前驱体采用反复浸渍法合成了氢氧化镍。X射线衍射(XRD)证明制备的材料为纯相α-Ni(OH)2,扫描电子显微镜(SEM)显示了Ni(OH)2呈现出鱼鳞状的絮状。电化学性能测试表明在电流为10 mA时,起始比电容为1 000 F/g,随着循环次数的增加,比电容减小;200多次后稳定于950 F/g(为初始容量的95%)。     

电化学浸渍工艺及电极性能

采用镍电极电化学浸渍工艺,取代目前一直使用的真空化学浸渍工艺,用于氢镍电池、镉镍电池和锌镍电池的制造,可提高电池的工作性能和寿命,同时还可以简化生产工艺,缩短生产周期.文中介绍了采用乙醇和水混合浸渍体系,结合间歇性及相矩形脉冲电流技术,来完成镍电极电化学浸渍工艺研究的主要技术工作.该新工艺手段降低了常规电化学浸渍过程中存在的电化学极化和浓差极化,维持了浸渍溶液的平衡.该新工艺制造的镍电极其活性物质利用率、电极容量保持能力和充放电循环工作寿命均优于真空化学浸渍的镍电极.     

烧结式镍基板电化学浸渍的研究

对烧结式镍基板的电化学浸渍过程进行了研究。在探讨了电化学浸渍机理的基础上 ,研究了溶液流动状态、电化学浸渍电流密度、溶液 pH值、电化学浸渍时间等各种因素对电化学浸渍的影响 ,并提出了最佳的电化学浸渍工艺条件     

电化学浸渍法制备镍电极

本文研究了泡沫镍基体在电化学浸渍时的各种影响因素和电化学浸渍效率,对制作好的NiOOH/Ni(OH)_2电极的初期活性,充放电性能,快速充电性能和荷电保持性能作了大量实验和理论分析。     

氢镍电池电化学浸渍液中钴含量的测定

简述了运用AIR－C2H2原子吸收光谱法测定氢镍电池电化学浸渍液乙醇中的钴含量。介绍了钴最佳测定条件以及呈良好线性范围的浓度，同时对样品消化处理条件，在测定中样品的干扰困素进行了综合考虑，该方法具有灵敏度和重现性好，干扰小，方法步骤简单，操作容易掌握等特点，对样品钴含量的测定，其相对标准偏差均小于1．0％（n=6)，标准加入回收率为97．0％－102．0％，适用于氢镍电池电化学浸渍液乙醇中钴含量的控制和样品系统分析，达到了实验室分析质量控制的要求。     

电化学浸渍法制备空间镉镍电池循环寿命研究

镍电极的填充方式主要有化学浸渍、电化学浸渍两种,采用电化学浸渍工艺制成的镍电极具有活性物质利用率高、电极能量保持能力强、电极使用寿命长等优点,而长寿命是航天器用储能电源最重要的一个指标.国内对于电化学浸渍法的研究取得了较大进步,但还鲜有在轨运行的相关报道.对采用电化学浸渍法制备的空间镉镍电池,模拟空间在轨运行的充放电制度,对电池进行长期的循环寿命测试,为电化学浸渍法在空间型号上的应用提供数据支撑.     

BP型神经网络的模糊控制

人工神经网络应用于电网技术,已显示出强大的生命力。国内外有关报导及文献已很多,涉及的面也很广,从负荷预测、运行优化、正常运行控制,以至事故处理,都取得了令人鼓舞的效果。但国内国外都遇到一个困扰人们的棘手问题,即BP网络都要用“样本”来“训练”,而这种“训练”既费时又费力。本文作者经过探索试验,终于发现模糊控制是解决这类问题的有效手段。 本文介绍了基于BP模型的模糊控制神经网络的特点及其性能,提出了用模糊控制自动修正学习速率和冲量系数的一般算法,研究了模糊控制神经网络的初值优化方法、快速趋向代价函数曲面上全局极小点的方法以及如何提高网络收敛的稳定性等神经网络领域所存在的一系列关键性问题。     

Simulation optimization to microwave components using neural network

This paper proposes a new technique to train neural network (NN); with the result, we can solve some real‐world application problems such as microwave components modeling and optimization. Its major advance is achieved in avoiding the testing error falling into local minimum. After the generalization, the ability of three‐layer and four‐layer NN is also checked; our investigations show that four‐layer NN trained by the proposed training method can map the electromagnetic simulation of microwave components better than its counterpart. Besides, the modeling of microwave circuits and slotted patch antennas is examined to demonstrate the validity of this technique. Copyright © 2012 John Wiley & Sons, Ltd.     

基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

基于神经网络的模糊控制在变电站综合控制中的应用

针对目前变电站电压 无功综合控制存在的不足 ,将基于神经网络的模糊控制应用于传统的系统分区 ,充分利用模糊控制与神经网络的各自优势 ,进行基于模糊无功边界的综合控制 ,有效减少了有载分接头调节次数 ,提高了系统的调节性能和电压质量。     

A new method for system optimization by neural networks

This paper proposes a new method of optimizing the operation of a power transmission system, based on a structured neural network. Because the structured neural network is built by prewiring, the network construction time is very short. Simulations of transmission loss of reduction have been carried out. It is shown that the optimization performance of the proposed method is satisfactory in practice. © 1997 Scripta Technica, Inc. Electr Eng Jpn. 118 (4): 27–34, 1997     

基于神经网络的模糊控制在开关磁阻电机中的应用研究

把神经网络与模糊逻辑结合起来,利用神经网络的学习控制算法调节模糊逻辑隶属函数,通过对开 关磁阻电机运行特性的分析,提出了一种可应用于开关磁阻电机驱动系统的智能控制方法,理论和仿真结果均证明了这种基于神经网络模糊控制方法在开关磁阻电机驱动系统中应用的可行性和可靠性。