基于布谷鸟算法优化BP神经网络的锂电池健康状态预测

锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS)的全局优化能力,提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法,该方法的核心在于优化BP神经网络的初始权值和阈值,从而减小算法对初始值的依赖;为了验证算法的泛化性,利用美国国家航空航天局开源锂电池数据集6号电池和7号电池进行仿真实验,仿真得到该算法预测SOH的均方根误差(RMSE)分别为0.2658和0.2620,平均绝对百分比误差(MAPE)分别为0.3319%和0.2605%;通过与BP神经网络、粒子群优化的BP神经网络(PSO-BP)、遗传算法优化的BP神经网络(GA-BP)对比,布谷鸟算法优化的BP神经网络(CS-BP)具有更小的预测误差。     

差温挤压工艺对Mg_(96.32)Gd_(2.5)Zn_1Zr_(0.18)合金显微组织和力学性能的影响

通过OM、SEM显微组织分析以及室温拉伸测试研究了不同热挤压模具温度(320~420℃)对差温挤压的半连续铸造Mg_(96.32)Gd_(2.5)Zn_1Zr_(0.18)合金显微组织及力学性能的影响。结果表明:热挤压后合金发生回复和动态再结晶,具有双峰组织特征。随着模具温度升高,再结晶程度增加,双峰组织特征降低,晶粒尺寸增加,长周期堆垛有序结构数量减少。模具温度为320℃的挤压态合金达到最佳的力学性能:抗拉强度418 MPa,屈服强度383 MPa,伸长率7.1%。