基于差分电压和Elman神经网络的锂离子电池RUL预测方法

锂离子电池剩余使用寿命(remaining useful life,RUL)预测对电池的使用维护极为重要,提出一种基于差分电压和Elman神经网络预测锂离子电池RUL的方法.首先,根据美国国家航天航空局(National Aeronautics and Space Administration,NASA)的锂离子电池数据集,分析电池差分电压曲线和充放电曲线,提取电池容量退化特征量;其次,通过Pearson法分析特征量之间的相关性,将充电差分电压曲线初始拐点值、放电差分电压曲线峰值、放电时间、静置时间作为电池RUL预测的间接健康因子;最后,建立以上述间接健康因子为输入,电池容量为输出的Elman神经网络,进行锂离子电池的RUL预测.基于不同间接健康因子和不同神经网络的四种电池容量预测对比实验表明,在间接健康因子中加入充电差分电压曲线初始拐点值和放电差分电压曲线峰值可以提高电池寿命预测精度,Elman神经网络可准确预测电池容量.基于不同循环次数预测电池RUL,预测的平均均方根误差为1.55％.     

延时信号消除锁相技术及其延时误差影响分析

基于延时信号消除(DSC)的锁相环(PLL)技术可以实现指定次谐波和负序分量的影响消除,快速捕获非理想电网电压正序分量的相位.然而受限于现场应用的采样速率,延时信号往往无法按预期精准实现,延时误差不可避免.而目前针对这种延时误差对DSC PLL的影响及在此基础上的参数选型约束未见报道.这里在描述DSC对正、负序分离及谐波消除机理的基础上,定量分析了延时误差的影响,并以此为依据,给出了基于给定精度约束的延时误差限值计算方法和采样频率选型原则,指导DSC锁相技术应用时的参数设计.最后通过实验验证了理论分析和参数设计方法的有效性与准确性.     

定制Visual C++应用程序用户界面技术

本文通过实例着重介绍在VisualC＋＋5．0版应用程序中定制住图菜单、对话框及子控制属性的技术实现，以编制出具有个性化的用户界面的Windows应用程序。     

硬盘主引导扇区及系统引导扇区损坏的系统恢复

本文着重讨论了如何恢复硬盘主引导扇区、系统引导扇区及某一个逻辑盘引导扇区中的关键系统数据出现丢失或被修改的软故障，并保证其中的程序不丢失。     

定制Visual C 应用程序工具条技术

本文通过实例着重介绍在Visual C 5.0版应用程序中定制工具条的技术实现,以编制出命令交互丰富的Windows应用程序。     

Java Applet调用ActiveX控件的技术

本文着重讨论了如何在JavaApplet中调用ActiveX控件的方法，达到在网页中使用ActiveX控件以设计出动态交互式的网页。     

Java程序设计中的数据交换和通信技术

本交通过实例介绍实现Java语言程序设计中的数据交换和通信技术的几种方法，并给出具体实现的关键部分程序代码。     

Windows环境下端口实时读写和中断响应的实现

在工程应用中常会用到端口读写和中断，但由于Windows对底层的屏蔽,这些操作很难实现。本文探讨了在Windows环境下用C Builder5．0实现端口读写操作,并给出了借助TVieHW32控件实现中断的程序实例。     

高碱煤燃烧过程中碱金属沾污特性的预测模型研究

为了克服传统预测方法的局限性,笔者提供了一种能够准确预测高碱煤燃烧沾污特性的模型,该预测模型还可以根据煤的沾污特性给出其适用的温度范围。本预测模型采用三步化学萃取法来检测煤样中的钠含量,以避免对煤进行灰化时造成钠的挥发损失,因此能够直接精确地测定煤样中的总钠含量及各个形态的钠含量。另外,本预测模型不仅考虑钠、钾和固相沾污源的影响,同时考虑到其它易挥发组分(如碱土金属、硫和氯)对煤沾污特性的影响,并将温度引入沾污模型中。按本模型获得的沾污指数R_T预测量化区间如下:R_T≤0.60,弱沾污性;0.601.00,强沾污性。为验证该预测模型的准确性,分别以沙尔湖煤和神华准东煤为试验对象对预测模型进行了验证,验证结果表明:①700℃时,R_T=0.59<0.60,沙尔湖煤处于弱沾污区;850℃时,0.601.0,沙尔湖煤处于强沾污区。②神华准东煤相比于沙尔湖煤沾污性较弱。850℃时,R_T=0.53<0.60,神华准东煤处于弱沾污区;900℃时,0.60相似文献