基于循环神经网络的锂电池SOC估算方法

鉴于锂电池荷电状态(state of charge, SOC)实时准确估计的重要性。针对大倍率脉冲放电工况下锂电池的强非线性和时变特性,训练了一个循环神经网络对锂电池SOC进行估算,该网络能够将电池管理系统测量所得的电压、电流、温度映射到SOC。基于某型号18Ah锂电池性能测试所获得的大倍率脉冲工况放电数据进行了实验验证,得到三种温度下锂电池SOC估算结果的平均绝对值误差为1.92%,证明了该方法的有效性。     

基于模糊卡尔曼滤波的锂电池SOC估算方法

为了估算锂电池的荷电状态,在研究与分析影响SOC值的因素及传统SOC估算方法的基础上,提出了对电池静置和充放电两种状态分别估算的方法。尤其在充放电状态下,以Thevenin模型为基础,建立易于工程实现的状态空间模型,采用模糊卡尔曼滤波实现了对电池SOC的估算。仿真结果表明,该方法可以提高电池SOC的估算精度。     

电磁发射电池组杂散电感提取方法

在电磁发射锂离子电池储能系统中,电池组杂散电感的准确提取对合理设计系统方案具有重要意义。针对该需求,对电池组脉冲放电过程进行建模与分析,得到适合杂散电感提取的放电阶段。通过将离散傅里叶变换求解数值微分的方法更改为滑动窗递推形式,并与多新息最小二乘算法结合,从而提出一种可充分利用波形数据的杂散电感提取方法。通过实际的电池组脉冲放电测试波形对该方法进行验证,结果表明该方法相比传统方法能更加准确、可靠地提取电池组的杂散电感,在不同放电电流下的提取结果具有很好的一致性。     

混合储能蓄电池组放电均衡优化研究

首先,以电磁发射用混合储能系统蓄电池组铅酸电池为研究对象,分析了储能系统放电过程中可能带来的蓄电池组一致性问题;其次,在研究电池模型的基础上,结合蓄电池放电均衡方法,分析了基于电池组容量的均衡指标;再次,针对混合储能系统放电电路的特点,提出了一种以蓄电池组均衡一致性为优化目标的放电均衡策略,改进了放电结构并实现了铅酸电池的放电均衡;最后,对比了改进前后的放电电路并进行了仿真分析,并在混合储能蓄电池组平台上进行了实验,实验结果验证了该放电均衡策略的可行性。     

锂电池储能在电磁发射中的应用

随着电磁发射技术的发展，储能环节成为其中不可或缺的一部分。对基本储能单元需求进行分析，以用电系统功率和能量需求为牵引，以储能系统体积重量适装性最优为目标，充分对比现有各类电池参数指标，从安全性、功率密度、能量密度和循环寿命四个方面进行考虑，确定基本储能单元类型为锂电池。面对舰上不同电磁发射设备电压、电流的需求，需要研究能够实现锂电池组快速灵活串并转换的拓扑结构。在实现电池组稳定并联之前，需保证电池组的一致性，因此需计算出电池荷电状态并进行均衡；针对短脉冲大倍率连续放电工况下荷电状态估算不准确的问题，提出以蓄电池组作为研究对象，采用动态辨识方法进行估算。由于各电池组之间存在不一致性，并联起来放电时可能导致输出电流不均衡，使得本来就处于高倍率放电的电池组超限使用，因此将提出一种电池组均流方法来解决此问题。     

一种新颖蓄电池恒流放电装置研究

介绍了一种新颖的蓄电池恒流放电装置,该放电装置摒弃了传统电阻放电思想,采用功率MOSFET作为主要的能量转化器件,提高了蓄电池放电效率,减小了放电装置的体积、重量和成本。为提高该型蓄电池恒流放电装置的工作可靠性和放电功率,采用了多路放电支路并联设计思想,支路间采取了最大电流均流技术, 具有电路结构简单、均流程度高、扩容方便等优点。     

农机蓄电池的使用与维护

（一）使用过程中应经常清除蓄电池四周的灰尘泥土和极桩上、导线接头上的氧化物，擦去蓄电池盖上的电解液。接线要牢固可靠。（二）经常检查蓄电池在车上安装是否牢固，保证导线接头紧固，接触良好。（三〉禁止长时间大电流放电。     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点，为满足其控制需要，文中提出了一种以模糊神经网络控制器为基础的控制系统，该系统充分利用神经网络的自学习及非线性逼近能力，又具有模糊逻辑推理能力，能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

电晕放电若干特性的实验研究

为研究空中带高压物体的电晕放电辐射信号特征,采用组建的静电放电测试系统对电晕电流及其辐射信号进行了实验研究。实验表明：电晕放电脉冲波形具有明显的极性效应。负极性下先发生电晕放电,且电流波形的上升时间小于正电晕电流;电晕放电信号波形前沿陡峭,上升时间从几个ns到二十几个ns;电晕放电辐射信号的频谱成钟型连续谱,其频率范围主要集中在20～100MHz之间;极性不同,电晕放电辐射信号波形不同,并且正电晕信号幅值高于负电晕信号幅值。     

储能用蓄电池模型参数的动态辨识

为观测锂离子电池的参数,通过建立多元线性回归模型对内电路参数进行辨识,并提出通过间接观测蓄电池平衡电动势来辨识荷电状态的方法。该方法基于改进的Thevenin电池模型,以等效电容量来表征锂电池的容量特性。在循环周期内可通过测量放电前后开路电压变化量和电荷变化量来辨识等效电容;等效电容又可以在短时间内动态估算平衡电动势以作为辨识荷电状态的主要变量。通过一个循环周期内的脉冲放电实验验证了所采用的改进电池模型和辨识方法的有效性和准确性。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

一种智能型鱼雷蓄电池快速充电方案

介绍了一种智能型鱼雷蓄电池快速充电装置的新型充电理论及其硬、软件设计原理和方法．该系统使充、放电容量得到实时控制,减少了鱼雷电池充电时的极化,提高了充电速度．     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数，需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣，虽然精度很高但需要大量的计算资源，无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测，以取代对目标区域的精确场强预测。数值结果表明，该方法能够在保持计算准确性的同时显著减少计算量，为5G动态网络规划提供基础性参考数据。     

基于模糊神经网络的陀螺温控系统故障诊断

针对故障诊断知识具有模糊性的特点,在基本前向神经网络的基础上,提出了一种适用于挠性陀螺温控系统的串形结构多层前向模糊神经网络(FNN)的故障诊断方法,并给出了网络的结构和学习方法。仿真结果表明,将模糊理论和神经网络方法结合在一起,可以准确地对陀螺温控系统进行故障诊断,证明了该方法行之有效。     

通用型军用蓄电池放电装置设计

针对军用蓄电池种类繁多、放电设备通用性较差的现状,研制了一种能够适应多种军用蓄电池的通用型放电装置。该装置以改进型Boost电路为主电路,应用PI调节和PWM控制技术实现恒流放电。阐述了放电电阻的优化设计方法,给出了设计准则。解决了被放电蓄电池种类多和反接保护的问题。该装置性能稳定,已应用于军用蓄电池的维护保障体系之中。     

某测试台用高精度数控直流稳压电源的设计

介绍了一种以单片机为核心的智能高精度直流稳压可调电源的设计,该电源采用单片机控制三端稳压源的调节端电压,通过回采该电压形成闭环控制,以达到输出可调和高精度的设计目的.另外电源的工作电压和电流可通过上位机实时监测,上位机对监测电压、电流与设定的工作电压、电流上限值进行比较,一旦超出上限值就切断电源,实现过载保护.     

基于模糊控制的军用铅酸蓄电池充电控制技术

针对建立蓄电池精确模型存在的困难,采用了基于模糊控制算法的充电控制技术。以控制经验数据为依据,介绍了模糊控制器的设计、硬件实现及软件编程。经试验验证,模糊充电系统能使充电电流根据蓄电池本身可接受电流的大小实时改变,符合快速充电的要求,同时避免了蓄电池的过充电和欠充电。     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

电液伺服系统的模糊神经网络自适应控制

针对电液伺服控制系统中存在的非线性影响,常规PID控制难以取得良好的控制效果,采用模糊神经网络自适应控制,通过BP算法改变模糊隶属函数的形状及模糊规则的中心值,实验结果表明该方法能有效地跟踪电液位置伺服系统。     

最小二乘支持向量机在蓄电池剩余容量建模中的应用研究

蓄电池容量是表征蓄电池工作性能的重要指标,但铅酸蓄电池剩余容量难以建模。将蓄电池检测系统测量的电压、电流、密度作为输入,荷电状态为输出,并基于最小二乘支持向量机对蓄电池充放电过程剩余容量进行了建模仿真,实现了对蓄电池剩余容量的实时预测。分析了最小二乘支持向量机参数对建模的影响,并对几种建模方法进行了比较。结果表明:该方法具有预测精确度高、推广能力强、运行时间短等优点。最小二乘支持向量机在小样本、非线性建模方面的应用表明:它在拟合精度和预测能力上都比传统方法有一定的提高,具有良好的应用前景。