基于ELM和MCSCKF的锂离子电池SOC估计

为了减少噪声对锂离子电池荷电状态估计的影响,本文提出一种新颖的基于极限学习机和最大相关熵平方根容积卡尔曼滤波的SOC估计方法。首先,利用泛化性好、运行速度快的极限学习机作为卡尔曼滤波的测量方程;其次,基于灰狼优化算法,极限学习机的超参数被优化以提高电池荷电状态的估计精度;最后,基于最大相关熵平方根容积卡尔曼滤波,极限学习机的测量噪声被进一步减弱。所提方法可以简化极限学习机繁琐的调参过程,且为闭环的SOC估计方法。所提方法在多工况和宽温度范围内被测试以验证其泛化性能。测试结果显示,所提方法明显地提高了锂离子电池的荷电状态估计精度。同时,对比其他算法,所提方法的平均运行时间仅仅为长短时序列和循环门控单元网络的三分之一。当行驶工况复杂、温度变化区间较大时,所提方法的均方根误差小于1%,最大误差小于3%。当存在初始误差与环境噪声时,所提方法显示出了优越的鲁棒性。      

基于融合模型的锂离子电池荷电状态在线估计

针对锂离子电池荷电状态（Stage of charge,SOC）在线估计精度不高,等效电路模型法估计精度与模型复杂度相矛盾的问题,本文对扩展卡尔曼滤波算法进行了改进,并以电池工作电压、电流为输入,对应等效电路模型法的SOC估计误差为输出,采用极限学习机算法,建立基于输入输出数据的SOC估计误差预测模型,采用物理–数据融合方法,基于误差预测模型,建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明,改进扩展卡尔曼滤波算法提高了算法的估计精度,而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差,克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题,进一步提高了SOC的估计精度,满足估计误差不超过5%的应用需求。      

一种估计混合动力用Ni-MH电池单体SOC的方法

搭建了混合动力汽车动力电池的性能实验平台,针对车辆实际行驶工况,在不同环境温度下对动力电池进行了相关充放电实验.利用实验系统采集到的动力电池电压与电流,采用自校正模糊神经网络控制算法对常温25℃下的动力电池荷电状态(State of Charge,SOC)进行计算,并与Arbin动力电池测试设备计算出的动力电池荷电状态进行了比较.理论分析和实验结果表明,采用自校正模糊神经网络控制算法计算出的电池SOC满足混合动力汽车电池SOC所需的精度要求.     

锂离子动力电池正极材料的研究进展

介绍了锂离子电池正极材料钴酸锂、镍酸锂、磷酸铁锂和锰酸锂的性能,以及它们作为动力电池正极材料的可行性。磷酸铁锂和锰酸锂以其优异的性能成为最热的动力电池正极材料,并且锰酸锂的研究及应用进展表明锰酸锂已经成为锂离子动力电池正极材料的首选。     

锂离子电芯用电极对温度与SOC的敏感性

采用阻抗谱技术,对2.8 A·h 18650电芯进行拆解解析,单独分析正负极电极在不同温度下(25、10和-5℃),不同荷电状态下的阻抗变化.结果表明:在不同温度下,在20%~100%荷电状态下,负极作为控制电极,其反应电化学阻抗是正极的数倍,尤其是在-5℃,达到了4倍,负极是电芯一致性问题中动力学因素的控制主因;在0~20%荷电状态下,在10和25℃下,正极的反应电化学阻抗要远远大于负极,正极成为控制端.结合目前电动车上动力电池的实用荷电状态一般在20%~95%,针对该2.8 A·h 18650电芯,提高负极电极的一致性是核心所在.同理,对其他类型电芯而言,在电芯设计过程中,在综合考虑成本的前提下,需要更有针对性地提高正负极的一致性标准,从而更为有效地改善整个电芯产品的一致性.     

锂离子动力电池正极材料层状LiMnO2的研究进展

介绍了锂离子动力电池正极材料锂锰氧化物中尖晶石型LiMn2O4、层状o-LiMnO2、m-LiMnO2和r-LiMnO2的晶体结构及电化学性能,阐述了制备层状LiMnO2的几种方法,重点讨论了近年来对层状LiMnO2进行的掺杂改性研究。探索掺杂不同离子对层状LiMnO2进行改性是提高其电化学性能的研究发展趋势。     

基于鲁棒H∞滤波的锂离子电池SOC估计

荷电状态（State of charge, SOC）估计是电池管理系统的核心功能之一,它在电动汽车的生命周期中起着重要作用。针对锂离子电池温度影响模型参数,进而导致SOC估计不准确的问题,本文提出了基于鲁棒H_∞滤波的SOC估计方法。首先,以二阶Thevenin等效电路模型做为锂离子电池基础模型,并将温度对电池模型参数的影响建模为标称电阻值和电池总容量的加性变量,视温度变化为系统的外部扰动。其次,采用滑动线性法对电池模型进行线性化,并在此基础上运用线性矩阵不等式技术设计了对SOC进行估计的鲁棒H_∞滤波器。最后,分别采用四种不同类型的动态电流激励进行仿真实验验证,并将SOC的估计结果与kalman滤波对SOC的估计结果进行对比。结果表明所设计的鲁棒H_∞滤波器能够实现对SOC更为准确的跟踪,同时对外部扰动具有较好的鲁棒性。      

表面氧化改性中间相炭微球用于锂离子动力电池负极材料的研究

采用表面氧化对中问相炭微球进行改性,在电化学工作站上研究其电化学性能,结果表明,表面氧化得到的炭微球放电容量高达361.5mAh·g-1,接近于石墨的理论容量;在2C放电电流下的放电容量是0.1C放电电流下的放电容量的96.6%.比未经处理的中间相炭微球高出6.1%.锂在表面氧化后的中间相炭微球试样中的扩散系数为未进行表面氧化处理的中间相炭微球试样的4倍.以表面氧化处理过的中间相炭微球为负极的12Ah锂离子动力电池具有良好的脉冲放电性能和循环性能.在放电90%的情况下仍能提供160W的脉冲放电功率.500次循环后具有90%以上的容量保持率.     

基于NARX动态神经网络的锂离子电池剩余寿命间接预测

锂离子电池的直接健康因子难以实现在线测量,针对此问题,提出一种基于动态神经网络时间序列的锂离子电池剩余寿命（Remaining useful life, RUL）间接预测方法。首先根据锂离子电池的放电数据,提出放电截止时间,恒流放电时间以及放电峰值温度时间三种间接健康因子并进行灰色关联分析（Grey relation analysis, GRA）。然后,基于非线性自回归（Nonlinear autoregressive models with exogenous inputs, NARX）动态神经网络建立锂离子电池RUL预测模型。最后将粒子群优化前馈神经网络（Back propagation neural network based on particle swarm optimization, BPNN-PSO）,最小二乘支持向量机（Least square support vector machine, LS-SVM）,极限学习机（extreme learning machine, ELM）,闭环（Closed-loop）NARX和开环（Open-loop）NARX进行对比分析,验证了所提方法的优越性。      

基于CEEMDAN–LSTM组合的锂离子电池寿命预测方法

针对目前锂离子电池寿命预测结果不准确的问题,提出了一种多模态分解的锂离子电池组合预测模型,从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上,采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势,然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测,最后将若干预测结果进行有效集成。结果表明,所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%,平均相对误差在3%以内,且优于其他预测模型。      

基于扩展三角特征的AdaBoost快速人眼检测算法

首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高.     

高性能锂离子电池负极材料一氧化锰/石墨烯复合材料的合成

通过冻干-煅烧合成了一氧化锰/石墨烯（MnO/rGO）复合材料,并将其用作锂离子电池负极材料.在500 mA·g^-1的电流密度下,MnO/rGO复合材料表现出高达830 mAh·g^-1的可逆容量,且在充放电循环160圈后,其可逆容量依然高达805 mAh·g^-1.倍率测试结果显示,循环225圈后,在2.0 A·g^-1的电流密度下,其可逆容量高达412 mAh·g^-1.复合材料中的石墨烯在提高材料导电性的同时有效地缓解了一氧化锰充放电过程中的体积膨胀.通过对比容量-电压的微分分析,发现复合材料超出一氧化锰理论容量的部分是由形成了更高价态的锰引起的.MnO/rGO复合材料比纯一氧化锰（p-MnO）更容易出现高价态的锰,可能是因为rGO上残留的氧为电极反应提供了额外所需的氧源.该一氧化锰/石墨烯复合材料因其简单绿色的合成过程及优异的电化学性质,有望在未来的锂电负极中得到广泛的实际应用.     

A three-dimensional algorithm for optimizing beam weights and wedge filters

An essential step towards optimizing and automating radiation therapy treatment planning is to develop an effective algorithm to find the optimal beam weights and wedge filters for a given set of beam directions and modalities. This problem is solved by introducing a variable transformation based on the universal and omni wedge principles. Instead of directly optimizing an objective function with respect to wedge angles and orientations, each field is first decomposed into a superposition of an open field and two orthogonal wedged fields. This transforms the problem of finding J beam weights, wedge angles, and orientations to that of optimizing a system with 3J beam weights (J open beams and 2J nominal wedged beams), where J is the total number of incident beam directions. An iterative algorithm based on a method originally developed for image reconstruction is used to find the 3J beam weights. The technique is applied to a few clinical cases. Treatment plans are improved compared to those obtained through the conventional manual trial and error planning process. In addition, planning time and effort are greatly reduced.     

A fast spot segmentation algorithm for two-dimensional gel electrophoresis analysis

An important issue in the automation of two-dimensional gel electrophoresis image analysis is the detection and quantification of protein spots. A spot segmentation algorithm must detect, define the extent of, and measure the integrated density of spots under a wide variety of actual gel image conditions. Besides these functions, the algorithm must be memory efficient to be able to process very large gel images and do this in a reasonable amount of computation time on low-cost computers, such as workstations and personal computers. We have developed a fast spot segmentation algorithm, extending the GELLAB-II segmenter, which extracts spots in a single raster scanning pass through the gel image. The performance analysis of the algorithm will be given in the paper as well as a discussion of the algorithm.     

基于差值控制细胞神经网络图像滤波器

差值控制细胞神经网能够实现灰度图像滤波等复杂运算.针对原有差值控制细胞神经网中值滤波器在稳定性和可实现性上存在的不足,提出了一种伪中值滤波器(CNN PM-filter),进而引入Mask图构造了选点式伪中值滤波器.从实验结果和相关度分析可以看出,本文提出的两种滤波器在改善稳定性与实现性的同时,没有影响到滤波器的性能,而选点式伪中值滤波器能有效降低滤波造成的模糊图像,取得更佳处理效果.     

基于铝氧键稳定的隧道型钠离子电池正极材料

钠离子电池隧道型正极材料Na0.44MnO2因具有成本低和原料丰富的优势而受到广泛关注,但该类正极材料在循环过程中会发生Jahn-Teller效应,使得产生的锰离子溶出和迁移的结构不稳定.基于铝取代锰后形成的铝氧键的键能高于锰氧键,可在一定程度上解决循环过程中的晶格应变以及锰离子溶出和迁移的问题.本研究采用高温固相法制...     

基于遗传算法的炼钢-连铸重计划方法

针对多约束的炼钢-连铸重计划问题,提出了一种按扰动时炉次的状态进行炉次分类求解的重计划方法.将重计划问题中的约束分成强制约束和柔性约束两类,针对正在作业炉次设计了基于时间顺推和遗传算法的混合算法,针对未作业炉次设计了基于时间倒推和遗传算法的混合算法,通过强制约束结合混合算法搜寻可行解,然后在可行解中利用柔性约束搜寻最优解.采用钢厂的生产实绩数据进行仿真实验验证了该方法的可行性和有效性.     

基于近邻的不均衡数据聚类算法

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor,CABON）。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers,MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data,CVCN）在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法。      

适用于快衰落环境的OFDM/TDM信道估计算法

针对正交频分复用/时分复用(OFDM/TDM)系统现有导频结构和信道估计算法缺乏对信道快衰落实时跟踪能力的问题,提出一种改进信道估计算法.该算法利用相邻2个时域复用导频序列对信道特性进行估计得到信道传递函数,通过内插处理获得数据符号的信道状态信息,并利用最小均方误差准则的频域均衡算法补偿信道衰落.仿真结果表明,与现有信道估计算法相比,在相同数据传输效率情况下,提出算法不仅能够适用于慢衰落信道,同时对快衰落信道的实时变化有良好的跟踪能力,改善系统性能.