摘要：锂电池健康状态(SoH)和荷电状态(SoC)的精确估计是新能源汽车安全运行的重要保障。针对SoH-SoC联合估计精度低、鲁棒性差的问题,提出一种基于变学习率BP神经网络和自适应渐消扩展H∞滤波的SoH-SoC联合估计方法。首先,提出一种基于单位充电压差时间间隔的新型SoH特征参数;其次,通过设计新型变学习率BP神经网络,提高传统BP网络误差收敛速度及缩短权值寻优时间;最后,通过设计新型自适应衰减因子对传统扩展H∞滤波误差协方差矩阵进行加权,建立自适应渐消扩展H∞滤波算法,减小陈旧量测值对估计结果的影响,提高扩展H∞滤波的估计精度及鲁棒性。实验结果表明,本文所提算法SoH估计误差小于0.35%,SoC估计误差小于0.5%,展现出较高的估计精度和鲁棒性。

摘要：精确的荷电状态(SoC)是锂电池安全高效运行的重要保障,文章针对传统无迹卡尔曼滤波(UKF)对非线性系统突变状态跟踪能力差,导致SoC估计精度低的问题,提出一种新型自适应渐消无迹卡尔曼滤波(AFUKF)SoC估计方法。首先,通过设计新型衰减因子对UKF误差协方差矩阵进行加权,并基于新型衰减因子完成AFUKF的设计,减小陈旧量测值对估计结果的影响,提高传统UKF的估计精度和跟踪能力。其次,基于自主实验平台测试数据,验证了本文所提AFUKF算法存在初始误差时,相较于传统UKF算法,ECE工况下平均绝对误差和均方根误差分别下降了47.95%和33.92%,DST工况下分别下降了36.40%和27.73%;相较于同类改进的AUKF算法,ECE工况下平均绝对误差和均方根误差分别下降了43.36%和33.51%,DST工况下分别下降了39.01%和25.63%。模型结果表明,相比于传统UKF算法以及同类型改进的AUKF算法,AFUKF具有更高的估计精度,且在相同初始SoC误差条件下具有更好的鲁棒性。

摘要：荷电状态(state of charge,SOC)作为表征锂电池剩余电量的关键指标,其精确估计对于合理使用电池电量、保障电池安全具有重要意义。本文针对基于H∞滤波(H infinity filter,HIF)估计SOC时鲁棒性好但估计精度低的问题,提出一种自适应无迹H∞滤波(adaptive unscented H infinity filter,AU_HIF)SOC估计方法,以提高SOC估计精度。首先,选择能够在精度和复杂度间取得良好平衡的双极化(dual polarization,DP)等效电路模型进行新型估计算法的设计;其次,结合无迹卡尔曼滤波(unscented Kalman filter,UKF)算法相比于传统扩展卡尔曼滤波(extended Kalman filter,EKF)算法更适用于非线性系统状态估计的特点,文章基于先验误差协方差矩阵设计新型渐消因子,实现自适应无迹H∞滤波算法的设计,以减小陈旧测量值对估计结果的影响,提高滤波算法的跟踪能力及估计精度。最后,通过搭建自主实验平台获取实际模拟工况数据,验证了文章所提自适应无迹H∞滤波算法相比于传统H∞滤波算法、传统UKF算法和其他类型改进H∞滤波算法具有更高的估计精度及更好的鲁棒性。文章研究内容对提高新能源汽车、储能电站等电池系统的SOC估计精度具有重要意义。

摘要：基于呼和浩特市如意总部基地案例,借鉴城市设计实施评估已有的研究成果,从实施的进展情况与设计的契合度两个方面对如意总部基地的基地设计和实施效果进行评估;分析其实施结果并剖析其客观原因,并根据原因给出完善建议,为更好的实施城市设计提供保障.

摘要：在校本教材实验研究中,以暖宝宝为例,通过提出问题、猜想假设、设计方案、实验实践、结论反思等环节,对暖宝宝的放热原理及使用后的主要成分进行了探究.在探究过程中,加强了学生对所学知识的理解掌握、迁移应用,培养了学生的"实验探究与创新意识"、"科学态度与社会责任"的化学学科核心素养.