18650型锂电池荷电状态的估计

锂电池状态的准确估计,能够延长电池的使用寿命和减少安全事故的发生。为提高BP神经网络估计锂电池荷电状态的精度,提出一种使遗传粒子群算法有目的性的优化BP神经网络初始权值的改进方法。该算法引入K均值算法优化遗传粒子群算法初始粒子分布的随机性带来的误差问题,寻找BP神经网络算法初始权值的权重分配与输出误差的关系,在遗传粒子群算法随机产生的粒子群中进行最优粒子群选优,以降低误差。通过对采集到的18650型锂电池的充放电数据和未改进遗传粒子群算法优化的BP神经网络训练产生的200组BP神经网络的初始权值数据的研究分析,得到具有锂电池特性的BP神经网络的初始权值特征公式。并用MATLAB和FPGA联合仿真验证了改进BP神经网络方法的可行性。该方法也优化了遗传粒子群算法,减小了初值不确定带来的误差。     

锂电池内阻参数的研究

随着电池的更新换代,锂电池渐渐的成为了该行业内的主要研究对象。针对内阻是反映锂电池状态的重要参数,对松下18650型号锂电池设计充放电实验。对得到的实验数据,用文中提出的改进灰色关联分析算法进行分析研究。并将该算法用作遗传粒子群算法的适应度函数进行最小二乘支持向量机算法的参数选优,达到了全面分析时间序列参数变化的目的。通过MATLAB的建模分析,用变差函数改进的灰色关联分析法能够证明内阻的变化与锂电池的荷电状态变化关联度最高,适合作为荷电状态估计的主要因素。为了进一步分析锂电池内阻的性能,使用改进算法对锂电池内阻与各参数的变化关系进行分析,可得内阻的大小变化受电流、温度等参数变化的影响。因此,正确估计锂电池的状态,必须综合考虑锂电池的各项基本参数。     

锂离子电池及其在线检测前沿与发展综述

随着新能源的发展,电池成为了能源方向的热点,锂离子电池在这个过程中渐渐的成为主流。锂离子电池因体积小、比能量大、放电率低、寿命长而倍受青睐,但其在过充、过放或者高温、低温等条件下却会产生不可挽回的损害。目前,对于锂离子电池的在线检测技术是一个非常热门的话题,主要对现有的锂离子电池及其在线检测技术做出相关总结,并对其未来的发展进行相关分析。