基于PCA-GPR的锂离子电池剩余使用寿命预测

从充电过程中的电压-容量曲线中提取出一个与电池寿命高度相关健康因子（HI）。然后利用主成分分析（PCA）对影响电池寿命的多维因素进行分析和降维,结合高斯过程回归（GPR）机器学习方法提出一个基于PCA-GPR的锂离子电池剩余使用寿命预测模型。最后进行锂离子电池剩余使用寿命预测并与PCA-BP神经网络、PCA-支持向量机（SVM）模型进行比较。结果表明,利用该文提出的HI及预测模型可有效提高锂离子电池剩余使用寿命预测精度,其中通过贝叶斯优化器优化后的PCA-GPR模型的预测效果最佳。     

诱导相分离BNNS/PES/EP复合材料制备及其热物性研究

通过液相机械剥离法制备了氮化硼纳米片(BNNS)并通过硅烷偶联剂共价修饰和多巴胺非共价修饰制备了双重改性的氮化硼纳米片(KDBNNS);利用反应诱导相分离,将KDBNNS分布在环氧树脂(EP)和聚醚砜(PES)的界面上构成导热通路,制备了KDBNNS/PES/EP复合材料。采用傅里叶变换红外光谱分析、热失重分析(TGA)和共聚焦扫描显微镜等方法对其进行表征。观测到在三元复合材料内的相分离连续界面上通过分布BNNS构筑了三维导热通路。研究表明当BNNS填料质量分数仅为3%时,复合材料的热导率即可达到0.394 W·m^-1K^-1,相较于纯环氧0.194 W·m^-1K^-1提高了103%。