百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网！ [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有！

热门搜索： 干粉砂浆 填缝剂 瓷砖胶 水溶肥 切削液 聚氨酯发泡 丙烯酸乳液

全国服务热线 13310018778

栏目导航

A、生活必需 >

A、生活必需

A01 农林牧渔 A21 烘烤烘焙 A22 肉品加工 A23 食品饮料 A24 烟草 A41 服装 A42 帽类 A43 鞋类
A44 服饰配件；珠宝 A45 手携物品；旅行品 A46 刷类制品 A47 家具；家庭用品 A61 医疗 A62 救生；消防 A63 运动；娱乐
B、作业运输 >

B、作业运输

B01 沸腾 分离 混合 实验设备 B02 破碎 磨粉 粉碎 B03 分选 浮选 B04 离心装置 B05 喷射 雾化 B06 机械振动 B07 固体分离；分选
B08 清洁 B09 固废处理 B21 金属加工；金属冲压 B22 铸造；粉末冶金 B23 机床 金属加工 B24 磨削；抛光 B25 手动工具 B26 切割工具
B27 木材加工 B28 水泥 黏土 石料 B29 塑料加工 B30 压力机 B31 纸品加工 B32 层状产品 B41 印刷；排版机 B42 装订；印刷品
B43 书写绘图器具；办公用品 B44 装饰艺术 B60 一般车辆 B61 铁路 B62 无轨陆用车辆 B63 船舶 B64 飞行器；航空 B65 输送；包装；贮存 B66 卷扬；提升；牵引 B67 瓶子 罐 容器 B68 鞍具；家具罩面 B81 微观结构技术 B82 超微技术
C、化学冶金 >

C、化学冶金

C01 无机化学 C02 废水污泥 C03 玻璃；矿棉 C04 水泥；混凝土；人造石；陶瓷；耐火材料 C05 肥料 C07 有机化学 C08 有机高分子化合物
C09 染料；涂料；抛光剂；天然树脂；黏合剂 C10 石油 煤气；燃料；润滑剂 C11 动物或植物油；蜡；洗涤剂 C12 生物化学；酒；醋；微生物学
C13 糖工业 C14 皮革 C21 铁的冶金 C22 冶金；合金 C23 金属镀覆 C25 电解电泳 C30 晶体生长 C40 组合技术
D、纺织造纸 >

D、纺织造纸

D01 纤维；纺纱 D02 纱线 D03 织造 D04 编织；针织 D05 缝纫；绣花 D06 织物处理；洗涤 D07 绳；缆索 D21 造纸；纤维素
E、固定建筑 >

E、固定建筑

E01 道路 铁路 桥梁 E02 水利工程 E03 给水排水 E04 建筑物 E05 锁；钥匙；门窗零件；保险箱 E06 门窗；梯子 E21 钻矿；采矿
F、机械工程 >

F、机械工程

F01 发动机；蒸汽机 F02 燃烧发动机 F03 液力发动机；风力 弹力或重力发动机 F04 液体变容机；液体泵或弹性流体泵
F15 液压；气动 F16 工程元件；绝热 F17 贮存 F21 照明 F22 蒸汽 F23 燃烧设备 F24 供热；炉灶；通风
F25 制冷；热泵；气体的液化或固化 F26 干燥 F27 炉；窑 F28 热交换
G、物理系列 >

G、物理系列

G01 测量；测试 G02 光学 G03 摄影术；电影术 G04 测时学 G05 控制；调节 G06 计算 G07 核算装置 G08 信号装置
G09 教育；密码术；广告 G10 乐器；声学 G11 信息存储 G12 仪器的零部件 G16 通信技术 G21 核物理；核工程
H、电学系列 >

H、电学系列

H01 基本电气元件 H02 发电 变电或配电 H03 基本电子电路 H04 电通信技术 H05 其他类目不包含的电技术
更多>>

人气分享

最新技术
一种基于优化变分模态分解的锂电池组剩余寿命预测方法
本发明公开了一种基于优化变分模态分解的锂电池组剩余寿命预测方法,测量锂电池组随着充放电周期的放电容量数据序列,并生成充放电周期数据序列；采用后验反馈置信度的方法处理锂电池组放电容量数据序列,优选变分模态分解模态层数,并生成本征模态分量数据序列；生成放电容量退化趋势分量数据序列与噪声分量数据序列；应用非线性最小二乘法优化后的粒子滤波预测锂电池组未来充放电周期的放电容量退化趋势数据序列；应用高斯过程回归建立噪声预测模型,预测锂电池组未来充放电周期的噪声数据序列；计算锂电池组未来充放电周期的放电容量数据序列；基于锂电池组失效阈值,计算锂电池组的剩余寿命。本发明具有误差小、预测精度高的优点。
一种动力电池系统的不一致性故障诊断方法及系统
本发明公开了一种动力电池系统的不一致性故障诊断方法及系统,涉及动力电池系统领域,该方法包括获取的车辆动力电池系统的实车运行数据构建电压幅值特征矩阵；该电压幅值特征矩阵中的一个元素表示第x个采样点对应频率下第j个动力电池单体的电压数据的幅值特征值；根据电压幅值特征矩阵确定电压不一致性异常系数矩阵；该电压不一致性异常系数矩阵的一个元素表示第x个采样点对应频率下第j个动力电池单体的电压不一致性异常系数；根据电压不一致性异常系数矩阵,确定具有电压不一致性故障的动力电池单体。由于本发明考虑了动力电池单体采集参数的频域指标,进而能够准确诊断出动力电池单体的电压不一致性故障。
一种基于特征分析的锂电池健康状态在线估计方法
本发明公开了一种基于特征分析的锂电池健康状态在线估计方法,包括：利用主成分分析策略挑选合适的充放电特征；基于自适应噪声的完备经验模态分解策略将充放电特征分解为主要趋势部分和次要波动部分；基于滑动时间窗口的逻辑回归策略对主要趋势部分运用进行预测,采用卡尔曼滤波策略对次要波动部分进行预测；将预测的主要趋势部分和次要波动部分相结合,得到预测的特征数据,将预测的特征数据代入径向基函数神经网络,实现锂电池健康状态的在线预测。本发明通过对多维变量系统进行降维处理,减少计算复杂度,提高模型的实用新性能,采用新的数据迭代更新RBF网络的内部参数,用新的数据来提高SOH的实时预测精度,从而可以很好地描述锂电池退化过程。
针对现实新能源汽车的电池健康状态估计方法
本发明提供了一种针对现实新能源汽车的电池健康状态估计方法,通过将现有的、容易得到的单体层面SOH预测方程,和海量实车大数据计算得到的包级别容量增量IC值有机结合,有效地解决了现有动力电池SOH估计中对电池包健康状态无法测量,估计结果无法满足精度要求的技术问题,避免了对电池包进行大量循环老化试验、标定与数据处理所带来的人力、物力消耗。
基于新能源汽车数据插值的电压估计方法
本发明提供了一种基于新能源汽车数据插值的电压估计方法,其对现有新能源汽车的电压数据采集与预测方式进行了改进,在传统的基于数学理论的插值手段基础上,考虑了车辆在实际运行路线中所经历的多种工况,有效提高了电压曲线的预测精度。通过电压的计算结果,还能够对由电子地图或卫星导航平台获取的行驶路线进行标定,在不进行复杂的导航数据获取、运算的前提下,以极其便捷的方式实现了车辆行驶轨迹的精确确定,从而使本发明具有了现有技术所不具备的诸多有益效果。
一种快速在线测量电池电动势和内阻的方法
本发明公开了一种快速在线测量电池电动势和内阻的方法,通过调节自身或目标设备的工作模式,可以控制目标电池产生不同的输出电流,同时通过电压电流测量单元测量目标电池的端电压和输出电流；多次调节工作模式后,得到多组目标电池端电压和输出电流的二元数组；利用线性回归方法建立电池端电压～输出电流的拟合模型,通过电池端电压～输出电流的拟合模型的相关参数计算得到目标电池电动势和内阻的估计值。本发明能够实现快速在线测量,极大地提高了电池电动势和内阻测量的效率。
带量测数据异常检测的锂离子电池荷电状态在线估计器及方法
本发明提出一种带量测数据异常检测的锂离子电池荷电状态在线估计器及方法,其包括信息采集单元、控制单元、数据异常检测单元、信息处理单元和显示单元。通过信息采集单元采集锂电池端电压、锂电池温度和流过锂电池的电流信息,控制单元控制采集单元与信息处理单元的传输过程以及监测状态估计器的是否处于正常环境,数据异常检测单元检测采集到的数据是否在正常范围内,并且在数据异常时按照一定规则进行数据纠正,信息处理单元则根据接收来自异常检测单元的数据,根据改进的粒子滤波算法对锂电池的状态进行估计,并将估计的结果实时存储与显示。
基于数字孪生的电池检测和维护方法及装置
本公开提供一种基于数字孪生的电池检测和维护方法及装置,所述方法包括获取在线检测单元获取的目标电池的实时运行数据；根据所述实时运行数据,通过预先训练好的单体电池数字孪生模型以及电池运行状态分析预测模型,确定所述目标电池的维护参数；根据所述目标电池的维护参数对所述目标电池进行维护。本公开的基于数字孪生的电池检测和维护方法能够用以实时在线监测蓄电池组的工作状态,对电压相对落后的单体电池进行在线充电维护,对电压相对超前的单体电池进行在线放电维护,从而保证蓄电池组各单体电池之间具有较好的一致性。
一种燃料电池的剩余寿命预测方法及装置
本发明公开了一种燃料电池的剩余寿命预测方法及装置,其中,燃料电池由多个单体组成,燃料电池的剩余寿命预测方法包括：获取燃料电池在运行工况期间的参数数据；参数数据至少包括电压、电流、单体电压、空气进气流量、空气进气压力和冷却水入口温度；根据参数数据获取融合健康指标；并根据融合健康指标获取燃料电池的健康状态值；获取燃料电池在运行工况期间内的行为；行为至少包括启动、停止、变载和故障急停；根据时间、健康状态值和行为训练长短期记忆神经网络模型；并根据长短期记忆神经网络模型预测燃料电池的剩余寿命。本发明提供的技术方案,可实现在行车工况下对燃料电池的剩余寿命的精准预测。
基于深度神经网络的锂电池SOH在线估算方法
本发明公开基于深度神经网络的锂电池SOH在线估算方法,步骤为：1)建立基于深度神经网络的锂电池SOH估算模型；2)对所述基于深度神经网络的锂电池SOH估算模型进行训练,得到锂电池SOH估算优化模型；3)获取待评估锂电池的近全充电过程的锂电池充电片段数据,并输入到锂电池SOH估算优化模型中,完成锂电池SOH估算。本发明提出了基于深度神经网络的SOH在线估算方法,通过随机抽样、标准化等数据预处理方式对输入输出数据进行处理,并通过训练得到最终的SOH估算模型,代入验证集输入,即可得到所对应的SOH值,实现锂电池SOH在线估算,且其估算精度较基于模型的方法提高约10％,满足车企实际应用所需达到的估算精度。

热门专题更多>>
技术分类