基于EKF-UKF模型的锂电池电源参数更新和估计

由于对锂电池的电量参数直接建模存在困难,不便于实现对电源参数的估计,本文提出基于EKF-UKF模型算法直接对锂电池的状态参数进行建模。应用EKF算法获取的电池模型参数、UKF算法观测锂电池的荷电状态,在实现对锂电池进行电量估计的同时,完成对电池模型参数的实时更新,有效地减少漂移电流对估算精度的影响。工况测试表明:这种复合算法复杂度低,能快速实现对锂电池的参数估计,且具有较高的估计精度和鲁棒性。     

基于耦合RLC树模型的互连串扰估计

提出了一个简洁的串扰估计方法。该方法使用耦合RLC树模型来估计高速VLSI下的互连串扰，通过RLC树模型的瞬时计算递归方程和通常的模型降阶对耦合噪声近似，串扰能被快速高效的估计，而且电感效应的影响也能被真实捕获。实验结果显示该方法具有较高的精度。     

典型温度下磷酸铁锂电池PNGV模型研究

温度是影响电池性能的重要因素之一。本文对典型温度下磷酸铁锂电池PNGV模型进行研究。通过大量的试验得出了磷酸铁锂电池充放电特性曲线,在此基础上建立了PNGV模型。应用混合脉冲功率性能测试试验（HPPC）对典型温度下模型参数进行了辨识,分析了典型温度下模型参数的变化规律。最后应用基于北京公交的纯电动客车用动力电池动态测试工况（BBDST）对模型进行了验证。验证结果表明PNGV模型在一定程度上能够反映磷酸铁锂电池的特性。同时,该模型在磷酸铁锂电池上的应用也存在一定的累积误差。     

考虑热电耦合效应的全芯片温度特性优化方法

针对全局互连延时已成为制约电路性能的关键因素问题,提出了一种全芯片温度特性优化方法,使功耗和温度间的反馈在功耗模型与HotSpot软件结合运算数次后收敛,根据收敛结果确定优化方向．该方法同时考虑了延时、功耗和温度三者间的热电耦合效应．采用该方法对 90nm工艺的AMD Athlon 64 处理器进行仿真验证,结果表明,采用这种方法优化得到的芯片功耗和温度均有显著下降,芯片温度梯度也明显改善,芯片温度特性得到优化．     

基于支持向量回归的锂电池健康状态估计

针对锂电池动态工况下健康状态估计困难的问题,设计了一种基于支持向量回归机的健康状态估计方法.提取电池运行时可监测的电压、电流、温度、荷电状态融合成一种新的健康因子,采用支持向量回归机的方法训练得到健康状态估计模型,并选用网格寻优算法对模型的参数进行优化,实现基于可监测参数的动态工况下的锂电池健康状态估计.仿真结果表明,本文选取的健康因子能准确地反映电池的健康状态,健康状态的平均估计精度在1%以内.     

基于PSO-SG-BiGRU模型估算锂电池SOC

针对传统神经网络估算锂电池SOC时存在无法体现时序特征、设置参数不准确和鲁棒性需提高的问题,提出了一种基于PSO-SG-BiGRU神经网络模型估算锂电池SOC。BiGRU神经网络体现数据的时序特征,对模型中较难确定的超参数利用粒子群算法寻找最优值,提高模型的预测精度;再利用Savitzky-Golay滤波器处理模型的输出数据,使输出的SOC预测值更加拟合真实值;最后利用马里兰大学的公共数据集进行实验验证,结果表明：PSO-SG-BiGRU模型具有良好的泛化能力,预测误差在0.776%以内,与其他5种神经网络模型相比,预测误差明显减小,具有更高的预测精度和鲁棒性。     

基于QPSO优化CNN-Bi-LSTM网络的锂电池健康状态估计

锂电池健康状态(State of Health, SOH)估计对于保证电池安全可靠运行和降低电池系统维护成本具有重要意义.为了提高锂电池SOH估计精度,提出一种基于量子粒子群算法(Quantum Particle Swarm Optimization, QPSO)优化卷积神经网络(Convolutional Neural Networks, CNN)-双向长短时记忆网络(Bi-directional Long Short Term Memory, Bi-LSTM)的锂电池健康状态估计模型.首先从锂电池充放电曲线中提取与电池容量相关的健康因子并进行相关性分析,再利用CNN对输入数据进行快速的隐含特征信息提取,然后利用Bi-LSTM充分学习时间序列特征,通过QPSO对CNN-Bi-LSTM模型的关键参数进行寻优,使得模型的估计精度得到提升,最终得到锂电池的SOH估计结果.在CALCE、NASA和TRI 3种锂电数据集上进行仿真实验,结果表明该模型在不同的锂电池数据集上都具有较好的估计效果和更高的精度,估计误差保持在1%以内,验证了估计方法的有效性.     

基于构件框架及模型驱动的操作系统内核

为了解决复杂嵌入式系统模型在操作系统上的实现要求，提出了一个新的基于模型驱动架构的嵌入
式操作系统内核Pcanel.该内核提供一个构件化的运行环境，以细粒度的构件作为基本单位，以构件框架
作为控制构件计算任务的体系结构.构件框架对应设计阶段的抽象计算模型，由计算模型解决系统在功能
方面的问题.构件框架按照触发器条件控制构件的执行，解决系统在非功能方面的问题.Pcanel采用一个规
范的状态和行为的转换系统，将控制流与构件的执行相分离，并且在规范的递归形式下实现框架的组合.
研究结果表明，Pcanel能够灵活地应用于高度复杂的嵌入式系统，通过构件模型的约束条件，构件得以更
容易组合和验证.     

基于极化效应PNGV模型的动力锂电池SOC估算

为提高锂电池荷电状态的估算精度及模拟锂离子电池实际充放电特性的准确性,本文通过改进现有的PNGV等效电路模型,在PNGV模型基础上,增加一节RC并联模块,使模型更好的反映电池的极化效应。同时,通过实验获取电池充放电特性,为卡尔曼滤波器提供精确的参数,并提出了电池的开路电压曲线模型,通过Matlab拟合验证满足精度要求。最后采用扩展卡尔曼滤波(extended kalmanfilter,EKF)算法对锂电池荷电状态(state of charge,SOC)进行估算,并与安时积分法进行比较。实验结果表明,估算最大误差不超过4.5%,平均不超过3%,提高了SOC的估算精度。该研究为电动汽车运行工况提供了理论依据。     

面向全生命周期的锂电池健康状态估计

为研究锂电池在动态工况下以及全生命周期内健康状态的准确估计问题,提出一种基于固定充电电压片段的方法.选取充电过程中某固定电压片段内所充电量作为电池容量估算的等效健康因子,利用遗传算法选择最优的充电电压片段,在两类锂电池老化实验数据的基础上,设计放电电流不同、健康状态区间不同的8个验证算例.实验结果表明:8个验证算例中,训练集电池和测试集电池健康状态估计的平均绝对误差与均方根误差均低于1.55%;所提出的基于等效健康因子的方法,在100%～60%的全寿命健康状态区间,对于不同的放电电流、不同材料的电池,均能进行健康状态的准确在线估计,具有较强的适用性.     

基于线性估计模型的电动汽车质心侧偏角估计

质心侧偏角估计是车辆稳定性控制系统中的关键技术和难点,针对电动汽车,本文充分利用车轮上的驱动力矩和制动力矩信息,计算出了轮胎上的纵向力。并将轮胎侧向力用纵向力和侧偏角表示或进行局部线性化。这样可以将二自由度车辆模型简化为以侧向速度为状态的线性估计模型,用于电动汽车质心侧偏角的估计。仿真结果表明:基于线性估计模型的质心侧偏角估计器的估计精度较高,对路面摩擦因数的依赖程度小,并且计算简单,可以应用于车辆的稳定性控制系统中。     

基于SVM的管网状态估计模型

为建立未知节点压力和可知监测信息之间的管网状态估计模型,应用支持向量机算法,建立基于支持向量机的管网状态估计模型和测压点压力宏观模型.经仿真分析,SVM模型90%以上预测数据的绝对误差控制在0.01MPa;与BP神经网络模型相比,同样的样本集均方误差情况下,其测试集均方误差一般比BP神经网络精度高.杭州市管网的实例计算中,85%以上测压点预测数据的相对误差都在5%以内,结果相当理想.     

光伏热电耦合器件中热电模块负载对整体性能的影响

搭建了包含恒温冷却装置的电学测试系统,测量了热电模块(TEG)负载不同电阻值时耦合器件中光伏电池(PV)及TEG两部分各自的输出变化,以探究负载电阻在光伏热电耦合系统整体工作状态中所起的作用。结果表明TEG负载不同电阻时,不仅TEG输出性能受到影响, PV及耦合器件整体输出性能也将随之发生变化。然而,这种影响将随着光强的提升而逐渐降低。     

考虑老化的修正EKF算法估计锂电池SOC

锂电池的荷电状态(State of Charge, SOC)作为电池管理系统(BMS)的基本参数之一,对其进行准确的估计是BMS可靠性和准确性的基础。为了提升SOC的估算精度,提出了一种考虑老化的锂电池SOC估算方法。选择戴维南二阶模型作为锂电池的等效模型,依据实际数据进行参数辨识并验证。然后,考虑到电池老化对模型参数和实际容量的影响,加入总容量校准和遗忘因子改进扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法,使用改进后的EKF算法精确估计电池的SOC。实验结果表明,在EKF算法基础上加入容量校准和模型老化的遗传因子后SOC的估算精度大大提升。     

基于四元数模型的二维三次非线性相位耦合频率估计方法

针对二维三次非线性相位耦合分析中的分维配对问题进行了研究。构造了合适的基于四元数的二维谐波模型,根据此模型定义了特殊的四阶累积量切片,分析了加性高斯在有色噪声中的二维三次非线性相位耦合。该方法从理论上避免了复数模型分析二维三次非线性相位耦合时频率配对中可能产生的错误频率对以及有可能产生的二维频率估计精度的不平衡等问题。仿真实验验证了该方法的有效性。     

基于双层模型网格的变结构多模型估计

提出了一种双层网格变结构多模型（DLG VSMM）算法用于复杂系统的状态估计. DLG VSMM算法中的全体模型集由一个拓扑结构自适应调整的基础模型网格M和一个能在系统模式空间自由滑动的修正模型网格C组成. 首先利用可能模型集技术实时对基础模型网格结构进行调整;然后利用自适应网格技术产生修正模型网格的区域中心并生成自适应修正模型网格;最后利用最优融合原理得到系统的整体估计. 仿真结果表明,DLG VSMM算法在计算量增加不大的情况下提高了算法的跟踪精度.     

温度热电势的线性化研究和处理

热电偶的温度－－热电势建表，修改、读出和线性化处理的计算机语言程序，实现对任何区段与任意精度进行线性化处理。     

基于LS-dyna的2.5mm~2铜芯导线接头稳态热电耦合仿真

导线接头是供电系统的核心环节之一,它影响着整个供电系统的工作性能和安全性.为了改善导线接头的温升,运用LS-dyna软件对2.5 mm~2的聚氯乙烯铜芯导线接头的热电耦合进行了仿真,对比分析了2种不同接线方式的接头温度和绝缘层的温升.结果表明:在其它参数和约束条件相同的条件下,面线型接头温度和绝缘层的温升高于面面型接头方式对应的温度和温升;通电电流越大,面线型接头温度和绝缘层的温升越高;相同的温度和温升下,面面型接头方式优于面线型接头方式.