基于自适应H_(2)/H_(∞)滤波的锂电池SOC和SOH联合估计北大核心CSCD

准确、实时地估计电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)是现代电池管理系统的关键任务。通过自适应H_(2)/H_(∞)滤波器可对锂电池的SOC和SOH进行联合估计。该方法基于锂电池的二阶RC等效电路模型,采用AFFRLS法在线辨识锂电池的模型参数,并利用H_(2)/H_(∞)滤波器估计锂电池的SOC,AFFRLS辨识与H_(2)/H_(∞)滤波交替进行,得到一种自适应H_(2)/H_(∞)滤波器。SOH依据AFFRLS辨识的电池内阻进行估计,实现了锂电池SOC与SOH的联合估计。实验结果表明:自适应H_(2)/H_(∞)滤波算法的估计精度高且鲁棒性强,电池的SOC和SOH的平均估计误差始终保持在±0.19%以内,相比于EKF和H_(∞)滤波算法有更高的估计精度与稳定性。     

Vi-RNN算法储能电池在线SOC估计

锂离子电池的荷电状态（state of charge, SOC）估计是电池管理系统的重要组成部分。更加精确的SOC估计结果,有利于储能电站的并网和控制。该文提出一种基于Vi-RNN的储能电池SOC估计算法,该算法将储能电池端口电压和电压增量作为输入,荷电状态作为输出,RNN算法作为框架,实现在线更高精度的SOC估计。采用储能锂离子电池在0.2C和0.3C充放过程中的测量数据进行仿真分析。结果显示：相较于MEA-BP算法,该方法估计结果的均方误差和相对误差更低,均方误差降低约20%。     

基于CSA-BiLSTM的储能电池寿命预测

储能电池寿命预测对新能源场站非常重要。为了提高储能锂离子电池SOH的预测水平,该文提出了一种基于变色龙优化且与双向长短时记忆神经网络结合的预测模型（CSA-BiLSTM）,采用电池最大放电量定义电池SOH。结果显示,优化前电池SOH的平均绝对误差（MAE）、均方根误差（RMSE）分别为2.501、2.511,优化后电池SOH的MAE、RMSE分别为1.292、1.420,具有较高的预测精度。     

基于WOA-UKF算法的锂电池容量与SOC联合估计

锂电池的荷电状态(SOC)和有效容量是表征电池当前剩余电量和电池寿命的重要参数,提出一种锂离子电池有效容量和SOC的联合估计方法。在电池全寿命周期内,给出一种开路电压与SOC和电池有效容量非线性模型的两变量多项式描述;当电池循环使用次数超过预设值,采用鲸鱼优化算法估计当前电池容量与电池模型参数,根据模型参数与容量值采用无迹卡尔曼滤波器估计电池SOC;在SOC估计过程中,采用鲸鱼优化算法更新无迹卡尔曼滤波器的观测噪声方差和过程噪声方差,实现噪声方差的自适应调节,进而提高估计精度。实验结果验证了该方法的有效性和联合估计方案的可行性。     

PTB:研制电化学能源储备EIS参考装置

<正>涉及电化学储能的计量基础研究是德国联邦物理技术研究院(PTB)的一项新工作。对于电动车辆而言,缺乏用于验证电池生产商或车辆生产商作出的锂离子电池寿命的质量保证程序。电化学阻抗谱(EIS)方法可以快速和非破坏性地提供锂离子电池的健康状况(SOH)和充电状态(SOC)的信息。目前为止缺乏这一测量过程的计量参考。     

基于粒子滤波算法的锂离子电池剩余寿命预测方法研究

运用粒子滤波算法,进行了锂离子电池剩余寿命(RUL)的预测,提出了一种基于模型法和数据驱动法相融合的简单有效的RUL预测方法。该方法通过模型法和数据驱动法的融合,将双指数经验退化模型进行变形,以减少模型参数,降低参数训练难度,利用粒子滤波算法跟踪电池容量衰退的过程;为提高预测精确度,引入自回归(AR)时间序列模型修正状态空间方程的观测值。实验证实,该方法可以有效地预估出锂电池的剩余寿命。     

安时-卡尔曼交叉运行的电池荷电状态估算策略及其微控制器在环验证

为了提高电池管理系统(BMS)的性能,研究了电池荷电状态(SOC)的估算方法,并根据SOC估算算法精度和系统实时性要求,提出了安时(AH)积分算法-卡尔曼(Kalman)算法(AH-Kalman)交叉运行的SOC估算策略。该策略用开路电压(OCV)法确定SOC初值,以实时性较强的AH积分法为主,采用间歇运行的Kalman滤波法修正安时计量法积分误差。建立了系统仿真模型,验证了卡尔曼滤波算法对安时积分法积累误差的修正作用。将控制算法生成C代码下载到目标控制器,搭建微控制器在环测试验证(PILS)平台,进行了与传统卡尔曼滤波算法的复杂度对比分析。结果表明,所提出AHKalman交叉运行的SOC估算策略在保证了SOC估算精度的同时也具有较好的实时性,便于实际应用。     

基于PF-LSTM的锂电池剩余使用寿命预测

针对锂电池剩余使用寿命(RUL)难以准确预测的问题，提出一种考虑多种寿命衰退特征与数据时序性的基于粒子滤波改进长短期记忆网络(PF-LSTM)的预测模型，并应用于锂电池的RUL预测。从电池历史充放电老化数据中提取与容量衰退密切相关的健康因子作为LSTM网络的输入，利用PF算法全局优化的能力寻优超参数，包括神经元个数、学习率、节点丢弃率、批尺寸大小、训练步数等6个参数，提高网络的预测能力；引入Dropout层，避免网络过拟合，提高模型的泛化能力。基于NASA PCoE电池数据集进行实验验证，对4块电池在不同预测起始点下的容量估计和寿命情况进行预测，并与经网格搜索的LSTM,SVR等算法进行比较。实验结果表明，PF-LSTM容量估计的RMSE与MAE均在2%以内，且寿命预测误差在3个循环以内，相比于其他算法精度最高。     

基于超声传感和高斯过程回归的锂离子电池SOC估计研究

利用超声波进行锂离子电池荷电状态(State of Charge, SOC)估计已经得到了初步验证。针对现有超声SOC估计中存在样本量小、实验工况单一、模型建立不完善等问题,提出了一种基于交叉验证高斯过程回归的锂电池SOC估计方法。将锂电池在不同温度、不同工况下进行实验,对得到的数据进行初步分析;进一步对单一温度下的数据进行分析,建立基于联合幅值飞行时间的交叉验证高斯过程回归模型(PT-RPGPR);对于在不同温度下实验得到的数据,增加温度因素构建新的模型(T-PT-RPGPR)。实验结果表明,在复杂工况下,将超声信息与高斯过程结合建立模型进行锂电池SOC估计具有较高的估计精度。     

粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究

针对非线性非高斯系统的剩余寿命（RUL）预测问题,本文提出了一种基于粒子滤波（PF）理论的设备剩余寿命预测方法。首先建立设备的非线性状态空间模型（含有未知的时变参数）,然后通过粒子滤波算法估计出设备状态的概率密度函数（PDF）,从而根据该PDF计算出设备的RUL。此外,计算设备RUL的期望值和95%置信区间,并对模型的预测效果进行评估,验证预测的有效性和准确性。最后通过齿轮箱的全寿命实验,对本文所提方法的有效性进行实例验证,将实验结果和传统的比例风险模型（PHM）预测结果对比分析,结果表明本文提出的剩余寿命预测方法要优于传统的PHM预测方法。     

Solubility of R22, R23, R32, R134a,R152a,R125 and R744 refrigerants in water by using equations of state

This paper tries to demonstrate the ability of VPT and CPA equations of state and modified mixing rules for predicting of solubility CHC1F₂ (R22), CHF₃ (R23), CH₂F₂ (R32), C₂H₂F₄ (R134a), C₂H₄F₂ (R152a), C₂HF₅ (R125) and CO₂ (R744) refrigerants in water at different temperatures and pressures. For this purpose, the fugacity of each component in gas and liquid phases is calculated by using VPT and CPA equations of state. Also in this work, the interaction parameters for mixing rules in each mixture are optimized by using two-phase equilibrium data (VL_W). Results of the two-phase flash calculation show good agreement between obtained solubility and the experimental data. The predicted solubility of the selected refrigerants in water agrees with the experimental data with accuracy of about 1.5% and 3.5% by VPT equation of state – modified mixing rule and CPA equation of state – Van der Waals classic mixing rule respectively.     

一种频分MIMO声呐的波达方向估计算法

为了使声呐阵列在有限的载体空间内获得较高的角度分辨率,设计了基于频率分集的多输入多输出（MultipleInput Multiple-Output,MIMO）声呐。该MIMO声呐采用N发M收的布阵方式,接收阵为M元均匀线阵,发射阵由N个阵元组成,且各发射阵元发射中心频率不同、包络相同的窄带信号。建立密集式频分MIMO声呐的回波模型,并以此模型为基础提出了波达方向估计算法方向-相位域多重信号分类（Direction and Phase Domain-Multiple Signal Classification,DPD-MUSIC）算法。仿真实验中以双频MIMO声呐为例,将频分MIMO声呐的DPD-MUSIC算法的估计性能与单输入多输出（Single-Input Multiple-Output,SIMO）声呐MUSIC算法的估计性能进行了对比。仿真结果表明,频分MIMO声呐利用DPD-MUSIC算法可以获得优于等接收阵元数SIMO声呐的角度分辨率和角度估计精度。     

分布式传声器阵列的低频宽带信号方位估计

现有的预防道路交通安全事故、治理道路交通噪声污染等问题的解决方案是从视觉维度监控重点区域并通过声音维度确定事件触发类型与位置。为了实现公路异常声源的实时监测,提出了一种基于双尺度旋转不变信号参数估计旋转不变子空间技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)的低频宽带声源波达方向(Direction of Arrival, DOA)估计算法,该算法适用于三个矩形子阵呈三角形分布的分布式阵列。算法利用该分布式阵列具有的子阵内相邻阵元间距、相邻子阵间距两种尺度对应的空间平移不变性分别进行方向余弦估计,并利用基于阵型分布的解模糊策略实现高精度方位估计。仿真结果验证了算法的有效性,表明了基于该算法的分布式阵列DOA估计精度优于相同阵元数与阵元间距的单个均匀矩形阵,分析了估计精度与分布基线长度的关系,体现了算法的实际工程应用价值。     

基于差分进化的时变信道最大似然估计算法

研究了隧道环境下的通信信道估计。针对隧道环境的地铁列车与轨旁设备之间无线通信中无线传输信道快速变化的特点,提出了一种采用元胞差分进化(DE)方法实时获取时变信道的有效信道长度的新型最大似然(ML)信道估计算法——DE-ML算法。仿真结果表明该算法在使用较少导频信息的情况下,通过差分进化方法有效估计跟踪有效信道长度,其估计性能优于最小二乘(LS)、线性最小均方误差(LMMSE)、传统ML等经典信道估计算法。该算法能在提高系统传输效率的同时显著提高算法的估计精度,尤其在高速移动情况下也具有了非常良好的性能。     

基于波束空间的改进TOPS宽带DOA估计

提出了一种基于波束空间的改进投影子空间正交性测试算法,以克服投影子空间正交测试(Test of Orthogonality of Projected Subspace,TOPS)算法在低信噪比时容易出现伪峰的缺点。通过对TOPS算法中的正交性测试矩阵添加对角修正矩阵,并利用波束空间方法对阵元接收数据进行预处理,从而实现对宽带信号的波达方向估计。仿真结果表明,文中所提出算法与TOPS算法相比,能够抑制波束指向范围内的伪峰,并能提高分辨概率和减少运算量,是一种具有应用前景的新算法。     

基于模糊神经网络的电池剩余电量计算模型

为了有效地对电池剩余容量进行预测,在分析了与电池剩余电量相关因数的基础上,提出了基于模糊神经网络的电池剩余电量预测模型,充分利用了模型可逼近任何多输入输出参数函数的性能.系统通过样本训练达到了较好的仿真结果.从现场实验的数据分析,该模型能较准确地预测电池剩余电量,为电池管理系统提供了一种新的预测方法.     

环境气氛对非晶Fe90Zr10合金条带表面状态的影响

分别在大气和氩气中制备了非晶Ｆｅ９０Ｚｒ１０。采用ＡＥＳ及ＸＰＳ，并结合氩离子原位溅射剥层，研究了气氛对条带自由侧及贴辊侧表面状态的影响，结果表明，在大气中制备时，条带自由侧的Ｚｒ显著偏聚，贴辊侧发生了Ｆｅ的偏聚。而在氩气中制备时，条带两侧表层的成分分布及氧化层厚度基本相同，均被一薄的氧化铁覆盖．     

Passive Control of the Operation of Measuring Instruments

An approach to extending the operating service life of measuring instruments is proposed, based on the results of estimating and predicting changes in their parameters. Algorithms are given for implementing the approach together with examples of applications.     

La 对非晶 Ni_(63)Zr_(37)合金表面状态的影响

采用俄歇电子能谱和 X 射线光电子能谱,并结合氩离子原位溅射剥层研究了非晶 Ni_(63)Zr_(37)及Ni_(63)Zr_(32)La_5合金条带自由侧和贴辊侧的表层成分分布及元素的化学状态。结果表明,非晶 Ni_(63)Zr_(37)合金条带贴辊侧氧化层较自由侧厚且 Zr 的表面偏聚较为显著;加入 La 后,显著地改变了 Ni_(63)Zr_(37)合金条带两侧的表面状态;在合金条带表面及近表面,Ni 以金属态弥散分布在 Zr 和 La 的氧化物上,其电子状态受氧化物的影响;条带表层 Zr 的氧化物由 ZrO_x(1相似文献   

基于奇异谱分解的微机械加速度计振动噪声抑制方法

微机械（MEMS）惯性传感器成本低的同时噪声较大,易受振动信号的干扰。为了利用微机械惯性传感器构成低成本姿态估计系统,提出了一种基于奇异谱分解（SSA）的振动噪声预处理方法。SSA方法的实质是利用延迟扩维矩阵进行主成分分析,其延迟相关的算法能够有效地分离出加速度计测量值中的趋势项与周期项,趋势项中包含有需要的姿态变化信号,周期项即为低频振动噪声,根据过零点检测方法提取出趋势项,将该趋势项作为加速度计的测量值,即可实现对振动噪声信号的抑制,有效地提高姿态估计精度。实际的跑车实验验证了本方法的可行性和有效性。