30CrMolV转子钢低循环疲劳寿命估算

对用常规机械性能数据估算低周疲劳寿命进行了尝试，并将估算的结果与试验数据相比较，对各种估算方法的适用性进行了分析。     

PREDICTION OF THE AERODYNAMIC CHARACTERISTIC OF WIND TURBINE AIRFOILS THROUGH ±180°ANGLE OF ATTACK

利用经验公式、小攻角下翼型气动特性数据建立了翼型在-180°～180°攻角范围内的气动特性估算模型.以NACA0012翼型、NACA0015翼型为例,对翼型全流向范围的升力系数、阻力系数、力矩系数进行了估算,并对风力机翼型DU96-W-180的升力系数、阻力系数进行了估算,将估算结果与实验结果进行比较,验证了估算方法的合理性.     

利用神经网络估算太阳辐射

太阳辐射是一项对太阳能利用，建筑能耗分析和农业等十分重要的气象数据，本文建立了日总太阳辐射月均值的神经网络估算模型，在此基础上利用北京市1971年至1995年的气象数据资料对神经网络进行了训练，用1996至2000年的数据对神经网络的估算进行了检验，并与其它经验模型的估算结果进行了对比，结果表明神经网络的估算结果与实测值吻合的较好，并且精度高于其它经验模型。因此利用神经网络来估算太阳辐射具有很好的应用前景。     

考虑温度-负荷相关性的低压台区线损估算方法

由于已有方法未能对低压台区线损特征进行提取,导致台区线损估算结果不准确,估算时间较长。提出一种考虑温度-负荷相关性的低压台区线损估算方法,结合低压台区线损参数以及线损等相关理论,构建CGA模型,通过模型对低压台区线损数据进行预处理,提取线损数据主要特征,构建台区线损特征数据库。分析温度-负荷相关性对低压台区线损估算产生的影响,对低压台区的线损特征进行聚类,通过聚类结果建立决策树分类模型和随机森林估算模型,借助以上两个模型达到低压台区线损估算的目的。实验结果表明,所提方法能够快速准确实现低压台区线损估算,且估算精度较高。     

利用多源遥感数据改进地面太阳直射辐射估算

通过夏冬两季不同时间分辨率的气溶胶和大气可降水数据对太阳直射辐射估算进行敏感性分析,结果表明,气溶胶产品对太阳辐射估算结果的敏感性更高。融合MODIS与FY-3A的两种气溶胶产品来优化新疆地区气溶胶数据,尤其是高反射的沙漠与戈壁地区的气溶胶信息得到较大改善;同时通过引入FY-2D云类型数据更好地刻画了不同类型云层对太阳辐射估算精度的影响,以便更准确地估算新疆地区的地面太阳直射辐射。以喀什和乌鲁木齐站的观测值为参照,验证结果表明优化后的估算比优化前精度有明显提高。     

SOC estimation method of power battery based on BP artificial neural network

电池剩余电量（SOC）的估算是电池管理系统中的关键技术之一,在众多估算方法中,神经网络在估算的准确性及鲁棒性上具有明显优势。庞大的数据量是获得SOC精确值的重要因素。针对以上问题,研究提出了基于BP人工神经网络的动力电池SOC估算方法,以某型号整包电池作为实验对象,通过对电池电压、电流、内阻及温度的数据采集,获得海量数据。建立电池的等效电路模型,考虑电池极化、充放电倍率及温度的影响对初始数据进行修正。基于MATLAB平台建立BP人工神经网络模型,数据修正后用于网络模型的训练,并验证了模型的可行性。将模型用于实验数据的预测,通过函数拟合实现了SOC的估算。最后,通过对比SOC的预测值与实际测量值,最终证明建立的人工神经网络模型对SOC估算的有效性。     

模型与数据双驱动的锂电池状态精准估计北大核心CSCD

针对电池荷电状态估计常用的模型驱动法与数据驱动法的缺点,本工作提出了一种模型与数据双驱动的锂电池状态精准估计算法。在建立经典二阶电池模型后,先使用扩展卡尔曼滤波器与无迹卡尔曼滤波器组成的双卡尔曼滤波器进行初步的锂电池系统状态估测,再将初步的估算结果输入LSTM神经网络实现误差纠正,得到最终估测结果。本工作利用来自NASA PCoE的电池数据集对单驱动算法和双驱动算法分别进行了性能测试,结果表明双驱动法在降低了估算系统对数据依赖性的同时提高了估算精度以及算法鲁棒性,结合了两种单驱动法的优点并弥补了各自的缺点,得到了较为优异的结果。     

状态监测与诊断用燃气轮机热力模型的构造方法

提出了以机组实测验收数据为估算依据,在没有详细设计参数的情况下进行机组变工况计算的建模方法,较好地解决型号平均特性与特定机组特性之间的差异问题。采用本方法对某电站单轴燃气轮机变工况性能进行了估算,计算结果与发表数据有较好的吻合,证明了该方法的有效性,可以用于燃气轮机状态监测与诊断。     

基于组合频率阻抗特征的锂离子电池健康状态估算北大核心CSCD

电池健康状态(state of health,SOH)的准确估算是保证电动汽车高效安全运行的关键。从电化学阻抗谱(electrochemical impedance spectroscopy,EIS)中提取健康特征可实现电池SOH的准确估算,但在线采集EIS数据对车载设备要求较高不易实现,而采集单频率阻抗作为特征进行SOH估算又面临精度较低的问题。针对该问题,本文提出一种基于组合频率特征的SOH估算方法,首先,通过对实验数据进行分析,将前120次循环的10 Hz虚部和后320次循环7.94 Hz的虚部进行组合,形成电池组合频率阻抗特征。然后,基于组合频率阻抗特征,利用B1和B2电池测试数据建立电池SOH估算的长短期记忆(long short term memory,LSTM)神经网络模型,并通过B3和B4号电池数据对模型进行验证。结果显示,采用组合频率阻抗特征建立的SOH估算模型的均方根误差最小为0.3%,相比采用单频率阻抗特征所建立的模型,其误差减小23.9%以上。由此可见,本文所提出的基于组合频率特征的SOH估算方法,不仅阻抗测量过程简单,且估算精度较高,可应用于电池SOH的在线估算。     

基于SMOPS降尺度的蒸发比估算研究

针对研究区土壤湿度观测资料匮乏、无法准确估算区域蒸发比的问题,提出一种完全基于遥感数据的陆面蒸发比模拟估算方法,选取美国南大平原地区2019年52个晴天的MODIS和SMOPS数据,利用特征空间框架下的地表能量平衡原理计算了M_(MTVDI),同时对SMOPS数据进行了粗分辨率的像元降尺度,最终得到1km分辨率下的土壤水分和蒸发比,并与站点数据进行了对比验证。结果表明,该方法可有效模拟出蒸发比的空间分布,并解释了蒸发比与其他影响因素之间的关系。     

Calculation of the overlap angle in slip energy recovery drivesusing a d,q/abc model

A closed-form expression for estimating the overlap angle in a slip energy recovery system is presented. The prediction of the overlap angle is important in the case of doubly-fed induction motor drives, because of its influence on speed and torque. A closed-form expression is derived using a hybrid model of the induction motor and a dynamic model of the rotor rectifier. The ripple content of the DC link current and the inverter input voltage are neglected. The results predicted by the closed-form expression are verified experimentally     

GK_（1C）型机车换型的实践

通过三钢（集团）有限责任公司铁路内燃机车改型过程中的技术分析,提出并实施了适应生产发展需要的机车改型方案。