【摘 要】
：
近年来,随着化石能源的大量使用,加剧了环境的污染,同时清洁能源被大力推广,以锂电池为动力来源的产业逐渐兴起。由于锂电池经过反复充放电过程之后,其性能和容量都会发生一定程度的衰退,当下降至一定阈值的时候,这种情况将会更加明显。锂电池随着循环充放电次数的增加,会降低其反应速率,产生不可逆的副反应,最终导致电池内部结构发生变化,电池的性能下降甚至失效。为了保障锂电池能在复杂的场景下进行有效的工作,电池管
论文部分内容阅读
近年来,随着化石能源的大量使用,加剧了环境的污染,同时清洁能源被大力推广,以锂电池为动力来源的产业逐渐兴起。由于锂电池经过反复充放电过程之后,其性能和容量都会发生一定程度的衰退,当下降至一定阈值的时候,这种情况将会更加明显。锂电池随着循环充放电次数的增加,会降低其反应速率,产生不可逆的副反应,最终导致电池内部结构发生变化,电池的性能下降甚至失效。为了保障锂电池能在复杂的场景下进行有效的工作,电池管理系统（Battery Management System,BMS）可以监测锂电池的运行状态,方便电池的管理与维护。锂电池组的健康状态（State of Health,SOH）是电池管理系统中估算寿命时最重要的参数。在电池组中,由于电池之间存在复杂的相互作用,单个电池的退化可能导致其它电池的加速退化,所以电池组的SOH难以被准确的估计。因此,本文使用了一种基于贝叶斯优化门控循环单元（Gated Recurrent Unit,GRU）的锂电池SOH的预测模型。在不同连接结构下,通过GRU模型挖掘每个充电放周期下单体电池之间的相互关系,捕获容量衰减过程下的长期依赖性,同时使用贝叶斯优化（Bayesian Optimization,BO）算法对模型超参数进行寻优,保留SOH数据随时间变化特征进行预测。结果表明,在不同的连接方式下,基于单体电池的指标预测曲线优于电池组指标预测曲线,预测的退化曲线更贴近实验数据,达到了更好的效果,但预测曲线出现了较多异常的波动。对于预测曲线出现异常波动的情况,采用了PSO-Bi GRU-Attention的融合模型。通过双向门控循环单元（Bi-directional Gated Recurrent Unit,Bi GRU）,不仅关注前一时刻的信息,也关注下一时刻的信息。添加dropout层减少过拟合,降低了网络的复杂度,使模型能够训练的更快。同时引入Attention机制,对模型输出的数据信息进行权重分配,来突出对结果有显著影响的信息,放大与锂电池SOH退化趋势相关性强的输入特征,忽略相关性低的信息。使用粒子群优化算法（Particle Swarm Optimization,PSO）进行超参数寻优,优化模型结构,并与SVR模型和BO-GRU模型的预测曲线进行对比,最后通过箱线图描述各模型预测下的异常值情况。结果表明,基于PSO-Bi GRU-Attention的融合模型预测曲线能很好地跟随真实数据曲线波动,同时异常值较少,验证了融合模型的有效性。
其他文献
惯性参数影响着航空航天工业、机器人工业、汽车工业等各种各样领域的发展,是复杂系统进行动力学分析的基础。因此对惯性参数高精度的测量是工业发展的重中之重。本文在分析国内外惯性参数测量发展的基础上,以设计惯性参数测量试验设备、减少惯性参数测量不确定度为目的,通过对振动台进行动力学、惯性参数识别以及测量方案不确定度进行理论分析与仿真验证,为使用振动台进行惯性参数测量奠定了理论基础。首先,本文在分析国内外惯
微电网是未来能源互联网生命体中不可或缺的“毛细末梢”。它不仅能够作为大电网的补充,增强电力系统的稳定性和安全性,还能够在大电网出现突发情况时,继续为重要负荷提供电力支撑,这对于保障民生具有重要意义。那么,当微电网系统以孤岛模式运行时,一个首要的问题就是如何保证网内电压和频率稳定在其额定值,并实现有功功率的精确分配。实际上,这个问题可以归结为孤岛微电网系统的一致性控制问题,它是微电网系统的主要研究方
天然气作为一种较为经济、清洁的能源,管道的安全运输是天然气保证人们生产生活的重要前提,而泄漏检测则是保障管道正常运行的主要技术手段。天然气管道泄漏时产生的声波信号在检测过程中极易受到噪声的干扰,造成误报、漏报等情况发生。故本课题开展对管道泄漏检测技术研究具有重要的意义。为提高管道泄漏检测的精度和实现天然气管道泄漏的高准确率检测,本文利用信号处理、智能优化算法、模式识别等理论和技术,设计一套包括信号
水面打捞机器人是完成高海况下海面重型漂浮物打捞作业的舰载机器人。为保证其在不破坏目标物的基础上,智能化、自动化地完成打捞,需要对打捞机器人的结构误差进行准确有效的分析,进而保证其具有较高的末端运动精度和重复定位精度。为尽可能提高打捞机器人的精度,本文在对实验样机进行末端误差源进行梳理分析的基础上,针对机器人主要误差来源——运动学参数误差、柔性误差和关节间隙误差,分别进行了运动学参数的标定、柔性动力
气动技术因具有高效、安全、低成本等优点被广泛应用于工业自动化生产等领域中,然而气动技术的广泛应用却伴随着大量气体压力能的浪费。如何合理利用这部分气体压力能,推动气动系统的节能化进程成为一个值得研究的方向。基于此背景,本课题提出了一种增频式的实现气体压力能与电能转换的气压能量转换器的设计思路。拟利用气动系统中存在的大量低频率恒定压力气体,首先通过增频结构将其输出为高频率的压力气体,之后将高频压力气体
基于肌电信号的人体运动意图识别为助力外骨骼人机协作的发展提供了新的可能。其中,步态相位识别在医疗康复及可穿戴机器人领域具有广泛的应用前景。但肌肉疲劳的存在,限制了基于肌电的步态相位识别算法在外骨骼中的应用。在长时间使用下,穿戴者的肌肉疲劳导致肌电信号分布发生改变,使得基于肌电的步态相位识别准确率降低,最终导致外骨骼助力效果受到影响。本文研究步态相位识别的肌肉疲劳快速适配,为踝关节外骨骼控制提供长时
目前,无人机已广泛应用于生产、生活的较多领域,旋翼无人飞行器（UAV）工作期间的主要动力来自于无刷直流（BLDC）电动机,系统的安全性能取决于电机工作的状态,因此,对电机的健康状态进行预测是非常具有意义的。本文基于数据驱动的方法,以无人机电机的弱衰减特征的发展趋势为主要预测指标,研究了基于弱衰减特征的电机健康状态预测方法,实现了对电机的弱衰减特征发展趋势的精确预测,从而实现了对电机健康状态的精确预
钻井工艺控制日趋复杂,下钻过程中受多种因素制约,如何提高钻井效率是目前研究的主要对象,而预测机械钻速则是提高钻井效率的首要难题,寻求合适的参数组合关系更是提高钻速预测精度的重要部分。为解决钻井可控因素之间由于复杂的耦合关系造成模型拟合效果不佳的问题,本文提出基于模糊神经网络的机械钻速预测方法,以提高模型预测精度,具体研究内容如下:首先,对数据进行清洗,通过对数据中存在缺失值、无效值、异常值进行处理
随着21世纪硬件及传感器技术的革新,增强现实技术得以摆脱沉重设备的束缚,作为一种显示手段被应用于多个领域,并成为当今时代工业4.0的支撑技术之一,极大地降低工人的认知负荷和作业难度,然而随着增强现实应用领域的不断延伸,传统的增强现实技术已经难以应对多样化的应用环境和需求,增强现实在极端环境易出现跟踪失败和虚拟模型注册不稳定问题,使得其作为显示手段最重要的观感和实用性降低。因此,如何提高增强现实对特
连续型机械臂能根据环境的状况灵活改变自身形状,绕过障碍物,在医疗手术、工业生产、军事航天等领域都可以展现自身无可比拟的优势,非常适合在密闭、危险区域以及非结构化的复杂空间中工作。从结构上看,连续型机械臂主要分为两种:以刚性关节作为主体构造的超冗余串并联机械臂,以及使用柔性材料制作的软体机械臂。超冗余串并联机械臂通过增加关节数目提高灵活性,但由于采用刚性关节,其柔顺性以及人机交互性仍有待进一步研究;