基于白噪声的电化学阻抗谱快速测量

传统的电化学阻抗谱测试技术基于正弦波信号的频率响应分析法。本文提出利用常规的白噪声信号,经小波变换处理后,快速得到系统阻抗,并采用Simulink进行了仿真实验。实验基于(RC)(RC)等效电路,探讨并优化了小波变换的中心频率、采样频率和采样时长等参数。测量范围为0.05Hz—20000 Hz时,等效电路元件的测试误差在0.5%以下,测量时长为85s。在质子膜燃料电池和钝化金属小孔腐蚀等效电路模型中,该方法的拟合误差在0.2%以下,具有良好的适用性。利用该方法可以直接通过采集电化学系统的白噪声信号而快速得到阻抗,从而可以低成本的实现电化学系统的实时快速监测。     

基于深度学习的锌电积电化学阻抗谱等效电路的高效识别

电化学阻抗谱(EIS)是研究锌电积电化学过程的常用方法,电化学阻抗谱一般用等效电路法解析,正确选取合适的等效电路成为首要关键。本文提出利用深度学习模型选取分析EIS等效电路的方法,该模型将卷积神经网络(Convolution Neural Network, CNN)与长短时记忆神经网络(Long Short-Term Memory, LSTM)相结合,通过收集典型锌电积电化学过程等效电路和对应的EIS数据,将数据预处理后进入卷积神经网络中以提取EIS的特征信息,并利用堆叠的长短时记忆网络提取EIS前后数据时间维度关联的深层次序列特征,最终得出等效 电路选取结果。CNN-LSTM 模型选取等效电路准确率达到90.87%,比CNN、LSTM以及对应的改进模型准确率提高1.66%以上。将该方法应用于真实锌电积EIS分析,结果显示CNN-LSTM模型预测真实电化学阻抗谱所属等效电路的概率分布与软件拟合误差结果一致,表明CNN-LSTM模型对锌电积过程电化学阻抗谱的等效电路识别具有重要的理论意义和技术价值。