动力电池健康状态(state of health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方...
详细信息
动力电池健康状态(state of health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方面,在清洗异常数据时,保留了实车数据中合理的强噪声数据,保证了数据的真实性。特征选择方面,选择容量增量曲线峰值和对应的电压以及基于安时积分得到的小片段充电容量数据。算法方面,针对真实数据的弱时序性问题,利用反向传播-自适应推进(back propagation-adapt boost, BP-AdaBoost)算法进行电池SOH估计的研究。最后,利用同一类型三辆车的数据进行了模型训练、测试和验证,预测结果与长短期记忆-循环神经网络(long short term memory-recurrent neural network, LSTM-RNN)算法对比,BP-AdaBoost算法估计误差更小,平均绝对误差达到0.96%,因此,所提出的方法可以应用于实车电池SOH的高精度估计。
基于平面电容传感器原理,提出一种应用于扬声器接线端子定位检测系统的新型电容传感器,可以有效检测定位扬声器接线端子。介绍了这种电容传感器的设计,描述了电容传感器用于检测扬声器接线端子的基本方法;并给出了相应的电路模型。根据扬声器接线端子的外形特点来确定电容传感器的最优设计。实验结果表明:电容传感器对扬声器接线端子区域较敏感,电容-频率变换振荡器输出频率为51 k Hz左右的波形,相对频率差约5 k Hz。通过检测振荡器的频率变化,运用自学习均值滤波频率采集算法可实现扬声器接线端子的非接触检测定位。
暂无评论