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!
全国服务热线 13310018778

栏目导航

最新技术
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。
一种高功率锂离子蓄电池一致性筛选方法
本发明提供了一种高功率锂离子蓄电池一致性筛选方法,包括以下步骤:S1:将待筛选的锂离子蓄电池均充电至指定的电压和电流;S2:通过电子负载对该锂离子蓄电池进行指定时间的高频脉冲放电;S3:通过示波器采集步骤S2中该锂离子蓄电池的电流和电压的变化波形;S4:以电压变化的峰峰值除以电流变化的峰峰值,求该锂离子蓄电池的等效电阻;S5:重复执行步骤S1~步骤S4,完成多个锂离子蓄电池的等效电阻的计算,对该些锂离子蓄电池的等效电阻进行统计分析,选取具有一致性的锂离子蓄电池。本发明提供的一种高功率锂离子蓄电池一致性筛选方法,能够精确反应蓄电池的功率特性,速度快,精度高,一致性好。
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。
一种动力锂电池的剩余电量估计方法
本发明公开了一种动力锂电池的剩余电量估计方法。本发明采用具有强大学习能力的加权最小二乘支持向量机实现对动力锂电池的SOC估计模型的建模和在线估计,在加权最小二乘支持向量机的核参数模型的选取过程可以通过CKF进行在线自适应完成。还建立动态WLSSVM过程,利用最新的工况数据来建立SOC估计模型,从而更好的反应数据特征。本发明为电池管理系统以及用户提供准确的SOC估计结果,增加电池管理的可靠性,为用户合理使用电池提供准确的信息。