动力型锂电池SOC与SOH协同估计

锂电池及其应用近年来逐渐成为研究热点。以提高电池管理系统(BMS)对电池荷电状态(SOC)和健康状态(SOH)的估算精确度为目标,在建立二阶Thevenin等效电路模型基础上提出一种能在线协同估算电池荷电状态和健康状态的改进扩展卡尔曼滤波算法。通过分阶段脉冲放电实验,并利用最小二乘法求得模型参数。在动态应力测试工况(DST)下借助Matlab对比分析了改进扩展卡尔曼算法在SOC和SOH估计精确度、错误初值时算法收敛性、算法复杂度等方面的性能。实验表明,利用该算法可以精确估计出各采样点处的SOC和SOH,误差低于1%;且在初值不准确情况下,运行算法可快速收敛至真值附近,算法估算结果的准确性与模型参数的微调无关,鲁棒性较好。     

基于改进“当前”统计模型的机动目标IMM跟踪算法

交互式多模型(IMM)算法是一种有效的机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。文中提出了一种基于改进的“当前”统计模型的交互式多模型算法,改进的“当前”统计模型提高了对机动目标的跟踪能力,而常速模型对匀速目标跟踪性能良好,IMM算法通过两种模型的交互作用可以实现对目标状态的自适应估计;同时,该算法结合了模型概率转移自适应技术,实现了对模型转移矩阵的在线估计,降低了人为因素。最后,通过Monte Carlo仿真进一步验证了该算法的有效性。     

超声红外锁相热像中金属疲劳裂纹的生热特性

超声红外锁相热像技术是一种将调制激励和锁相技术应用于红外热像检测的新型无损检测技术。针对缺陷生热及传热研究中存在的摩擦生热过程难以有效模拟、缺陷内部生热机理不清等理论问题,采用电-力类比方法,建立了含疲劳裂纹金属平板与超声激励系统的有限元模型,研究了调制超声激励下裂纹区域和裂纹面的生热特点,结果表明:在调制超声激励下,裂纹区域生热呈现出周期性上升的特点,因预紧力的作用,靠近激励同侧的裂纹面区域生热更明显。基于仿真分析和Green函数,建立了裂纹摩擦生热的传热理论模型,进一步探究了裂纹区域温度分布规律;最后利用被测平板上下表面温度比值（P值）对热源深度进行了估计,证明了仿真结果与理论计算的一致性。研究成果将进一步丰富超声红外锁相热像技术的理论基础。     

基于EKF-PF算法的退役动力锂电池SOC估计

为准确估计退役动力锂电池的荷电状态（SOC）,避免其在储能系统中因放电容量不一致导致运行效果不佳,保障储能系统安全运行,提出了利用扩展卡尔曼粒子滤波算法（EKF-PF）与二阶Thevenin等效电路模型相结合的方法估计退役动力锂电池的荷电状态。该方法首先采用二阶Thevenin等效电路构建退役动力锂电池的等效电路模型,写出观测方程与状态方程;其次利用含遗忘因子的递推最小二乘法（FFRLS）对建立的等效电路模型进行参数辨识;最终通过EKF-PF算法在城市道路循环（UDDS）工况下对退役动力锂电池进行在线SOC估计,并与粒子滤波（PF）算法做对比。实验结果表明,EKFPF算法在估计退役动力电池SOC时能将其平均误差控制在1.23%以内,最大误差控制在3.37%以内,优于PF算法的估计结果。证明了EKF-PF算法在估计退役动力锂电池SOC时具有更高的精度和应用价值。     

IGBT模块焊料老化状态监测方法及热网络模型优化

焊料老化是绝缘栅双极型晶体管(IGBT)模块内部传热能力退化和结温估计偏离的主要诱因。利用壳温与焊料老化程度间的对应规律构建了两者的量化关系,提出了焊料老化状态监测方法。采用与功率损耗无关的参数对恶化Cauer热网络(CTN)有效传热面积进行表征,提出了焊料裂纹诱导的结温低估补偿机制;考虑温度相关的异质材料导热系数及比热容参量,抑制了温升引起的材料传热特性退化影响。在此基础上,通过对传统CTN模型的优化,克服了传热路径无法自适应配置问题。仿真结果表明,所提方法可有效减小传热退化对模型计算结果的影响,实现对IGBT模块热行为动态变化的精确模拟,且结温估计结果相较传统CTN模型的更为精确。     

一种锂电池在线监测系统设计

针对锂电池自身的化学特性原因,导致单体电压出现不一致性的现象,提出一种锂电池在线监测系统,系统硬件由单片机、检测器、报警器组成,采用LTC8602芯片、ACS712芯片、DHT11传感器分别获取准确的电压值、电流值、温度值,实现了对锂电池的电量以及过充、欠充和温度异常等情况的检测。利用LM2596S-ADJ芯片、SS8050三极管对电池进行充放电时的电压均衡保护。实验结果证明,锂电池在线检测系统能够为充分利用电池、延长电池的使用寿命提供保障,使电池能够安全运行。     

基于模糊神经网络的传感器可信度实时获取

针对传感器在复杂环境中所测信息不完全准确的问题,提出了一种基于专家规则的零阶Sugeno模糊模型神经网络来获取传感器可信度的方法.神经网络经训练样本训练后,可以根据传感器状态和环境信息实时地得到传感器可信度.将该模型学习算法中的最小二乘识别器加以改进,并引入了遗忘因子,可以使该网络实现在线学习,不断更新网络参数.仿真结果表明该模糊神经网络可以有效地获得传感器可信度,且越小则网络在线学习能力越强.     

针对多视角视频编码的快速运动估计方法

为了提高多视角视频编码系统中运动估计速度,提出了一种基于马尔科夫链模型的快速运动矢量估计算法。该算法充分利用帧间、视角间相关性,建立预测矢量状态集合。通过马尔科夫链模型的状态转移概率,对预测矢量进行提前测试。然后利用提前退出准则,实现快速运动矢量估计。实验结果表明,与单独采用全搜索算法比较,该算法对于多视角视频序列运动估计速度可以提高99%以上,PSNR平均降低0.16dB。提出的算法对多视角视频编码系统的运动估计效率提升明显。     

基于最大熵的分布估计算法

分布估计算法是当前进化计算领域的一个新方向。文中提出一种新的基于最大熵的分布估计算法,主要用基于最大熵估计种群中的模式概率分布,取代贝叶斯网络分布估计算法中的贝叶斯概率图模型。该算法无需进行贝叶斯网络学习,大大减少了计算量,而且还能获取更准确的概率分布估计。实验结果表明,与贝叶斯优化算法相比,该算法具有更高的稳定性和更强的寻优能力。     

基于PID-BPNN的矿用铅酸蓄电池SOC在线估计

针对矿山避难硐室安全供电系统中铅酸蓄电池内化成过程中检测是否已经达到满电荷量,且在组装铅酸蓄电池时需要考虑电池均衡问题都需要进行准确估算SOC的问题,提出基于BP神经网络的PID控制通过修正反馈误差来实现铅酸蓄电池SOC在线估计。采用实验的方法获取数据,选取与电池SOC相关的因子作为BP神经网络的输入参数,最终准确在线预测蓄电池SOC值。仿真结果表明,基于BP神经网络的PID控制的铅酸蓄电池SOC估计的精度大大提高,同时为电池管理系统提供一个新的估计方法。