基于灰色理论的航空铅酸蓄电池剩余容量预测

分析了蓄电池剩余容量预测技术的难点,针对蓄电池剩余容量存在随温度、电解液浓度等外部条件而产生周期性变化的特点,提出了新陈代谢GM(1,1)预测模型。通过将新信息GM(1,1)模型和新陈代谢GM(1,1)模型对比,分析误差,并通过计算机实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现蓄电池剩余容量的精确预测。     

基于模糊神经网络的坦克蓄电池剩余容量预测

由于坦克蓄电池是一个复杂的非线性系统,要想对其建立一个准确的数学模型是极其困难的。而神经网络具有解决非线性问题,建立模型比较方便的特性。采用模糊神经网络对蓄电池剩余容量进行预测。以实验数据为依据,并通过MATLAB仿真和验证,结果表明:模糊神经网络对蓄电池剩余容量预测准确可行。为坦克蓄电池充电和使用维护提供了依据。     

模糊逻辑与神经网络的蓄电池容量预测

蓄电池容量预估的精度由于受到诸多因素的影响而难以让人满意。由于仅通过电池开路电压这一物理量即可与剩余容量建立一一对应关系,基于这种思想,文章在对某型号锂离子蓄电池大量实验的基础上,提取压降变化与剩余容量、电流、温度的一般规律,并通过模糊逻辑控制与神经网络技术手段实现了对蓄电池剩余容量的较准确预估。仿真及实验验证了该系统的有效性。     

铅酸蓄电池剩余放电容量快速预测技术

电动车里程预测技术是电动车走向实用的一个不可缺少的技术，现有的预测技术尚不能适应快速和实用要求，本文从蓄电池化学反应过程和电池结构出发，分析了影响电池放电容量的因数，采用蓄电池最大电流瞬时扫描测试，通过实验寻求铅蓄电池瞬态最大放电电流与剩余放电电量之间的联系，从而提出一种简便可行的预测方法。     

蓄电池剩余容量预测技术现状及发展

阀控式密封铅酸(VRLA)蓄电池被广泛应用于邮电、电力、交通、军事等诸多领域,在整个系统中发挥着举足轻重的作用。因此,对蓄电池的运行状态,特别是剩余容量(荷电状态)进行在线准确监测(预测)以及有效的管理变得尤为重要。本文以VRLA蓄电池为对象,对国内外蓄电池剩余容量预测技术研究进行了详细的介绍和总结。     

基于小波神经网络的航空蓄电池容量预测

为有效预测航空蓄电池的剩余容量,引入小波神经网络,建立了蓄电池内阻和SOC的小波网络模型,通过实验数据对小波网络模型进行训练,得到了用于内阻和SOC预测的小波网络,最后将小波网络的预测结果和BP网络的预测结果进行对比,结果表明小波网络比BP的预测精度要高,更适合用于航空蓄电池容量的预测.     

高噪声情况下蓄电池剩余容量在线检测方法的改进

首先指出了传统的几种蓄电池剩余容量检测方法的缺点：局限性大，计算困难，对系统产生的影响大等。接着对内阻法测量蓄电池剩余容量的方法进行了分析，并给出了具体的实施方案，讨论了该方案的优缺点。最后提出了在高噪声情况下对蓄电池剩余容量在线检测方法的改进方案。实验结果证明了这种改进方法的有效性。     

VRLA蓄电池容量预测技术的现状及发展

VRLA蓄电池广泛应用军事、工业、电信以及日常生活,其意义十分重大,对其进行容量和寿命的预测,了解其剩余能量和工作状态将对应用起着指导作用。作者对当前国内外蓄电池剩余容量预测的研究进行了总结,提出了发展趋势及预测方案。     

相关向量机在蓄电池剩余容量预测中的应用

剩余容量是蓄电池管理控制的重要参数,为了准确预测阀控式密封铅酸(VRLA)蓄电池的剩余容量,提高预测精度,引入了相关向量机方法对蓄电池剩余容量进行预测,并与最小二乘支持向量机模型、遗传BP神经网络模型的预测效果进行了比较.仿真结果表明,该方法降低了预测模型的复杂度,预测精度高,学习泛化能力强,具有一定的应用价值.     

锂离子电池容量快速预测的新方法

提出了一种通过部分放电来快速预测锂离子电池放电容量的方法.在分析了锂离子电池开路电压和内阻与电池容量关系的基础上,将人工神经网络应用到锂离子电池的容量预测和模型建立中.实验结果表明这种方法能够满足电池容量预测的精度要求.     

一种动力电池容量一致性辨识方法

对磷酸铁锂电池的充放电机理进行分析,并在实验室环境下,完成了成组电池的循环寿命测试。提出了一种应用充放电特性曲线进行电池一致性辨识的方法,将因子分析与系统聚类相结合,对充放电曲线的特征量进行主成分提取,通过最短距离法对成组的电池单体完成分层聚类。算例结果表明,通过电池初期的充放电曲线,可以准确地辨识出电池衰减后期的实际容量情况。该方法的可行性,将能够实现在运电池健康状态的评估,并为成组电池的均衡策略提供参考,有效保障在运电池的安全稳定运行。     

电动汽车电池剩余量的估测方法

为有效地对电动汽车锂电池荷电状态(SOC)进行估算,采用自适应神经网络模糊推理系统(ANFIS)建立电池组电压降模型,再通过编写Matlab程序对BP神经网络进行训练,并用所建BP神经网络模型对SOC进行预测.经实验验证,此法精度较高且能有效预测电池的开路电压和SOC的映射关系,对延长电池寿命具有重要意义.     

航空用蓄电池容量预则的新方法

研究了预测蓄电池容量的一种新方法.为有效预测航空用蓄电池的剩余容量,引入小波神经网络,建立了蓄电池内阻和荷电状态(SOC)的小波网络模型,通过实验数据对小波网络模型进行训练,得到了用于内阻和SOC预测的小波网络,最后将小波网络的预测结果和BP网络的预测结果进行对比,结果表明小波网络比BP的预测精度高,更适合用于航空用蓄...     

蓄电池剩余容量在线监测的探讨

实现蓄电池剩余容量在线实时监测,对提高直流系统的安全运行、提高供电系统的可靠性和自动化程度有着十分重要的意义.对现有的几种直流系统蓄电池容量测量方法如密度法、开路电压法、直流放电法和交流法等进行了比较分析,指出了它们的优缺点.提出了一种新的蓄电池剩余容量测量方法--交流纹波法.介绍了该测量方法的原理和具体实现过程.实际情况表明:该方法测量简单、精度高,具有良好的实用价值和推广意义.     

基于PCA和GA-BP神经网络的锂电池容量估算方法

本文针对车用锂离子动力电池容量估算方法精度不高的问题,提出了一种利用遗传算法优化BP神经网络的锂离子电池剩余容量估算方法。首先在整理NASA锂离子电池数据集后,得到不同健康状态下电池的容量增量曲线峰值。其次将健康因子进行主成分分析对其降维处理,利用遗传算法优化BP神经网络的连接权值,对锂离子电池容量进行预测。最后在NASA不同型号的电池上应用模型进行了验证。结果表明,所提出的方法可以在不同训练量的情况下准确估算4种锂离子电池的容量,其估算的方均根误差小于2%,且与未使用遗传算法优化的预测结果相比,该方法具有较高的预测精度。     

航空蓄电池性能计算器的研制

航空蓄电池的主要参数决定了飞机地面的一次启动成功率和飞行安全,其参数的检测十分重要。传统的检测技术落后、精度低、计算烦琐,影响了检测质量。运用单片机技术实现的航空蓄电池性能计算器,采用人机对话方式,操作简单,使用方便。具备体积小、质量小、携带方便等特点。航空蓄电池性能计算器主要计算的参数包括计算各型航空蓄电池的实际容量及实际容量占额定容量的百分数;进行密度换算;预计充电量及充电时间计算;电解液配制计算;放电时间计算;各种型号蓄电池容量计算。     

人工神经网络法预测MH-Ni蓄电池容量

MH Ni电池放电容量的预测和估计,是电池管理系统中一个非常重要的内容。某一状态下MH Ni电池的放电容量是放电电流、电压、温度以及过去电池充放电的历史等参数的函数。运用ANN方法,即人工神经网络方法,可逼近任何多输入输出参数函数的性能,预测了不同放电电流和电压下MH Ni电池放电容量的大小,结果表明,ANN方法有良好的实用性,可用来预测MH Ni电池的放电容量。     

锂离子电池组可用剩余容量的估算方法

锂离子电池的可用剩余容量是电池管理系统(BMS)中一个重要参数,为精确计算电池的可用剩余容量,提出了一种新型的估算锂离子电池可用剩余容量的方法,利用开路电压法与智能估算方法相结合估测电池的SOC,得到锂离子电池SOC的实际值和估测值,经过比较,能很好的反映出电池随老化程度及其他条件的改变而发生的可用剩余容量变化.     

通用航空电瓶充电及容量测试方法

通航电瓶种类很多,各种电瓶的充电和容量测试的方法各有不同,正确的充电和检测的方法可以延长电瓶的使用寿命和提高电瓶维护质量,从而保证飞行的安全。对我国常用的通航飞机电瓶进行分析和研究,总结出通航主要电瓶的充电和容量测试方法,为通航飞机的电瓶维护提供参考。