基于融合方法的电动汽车动力电池容量衰退预测模型构建与优化

为了构建和优化基于融合方法的动力电池容量衰退预测模型，以准确预测电池容量衰退过程，采用融合方法将机器学习算法和物理模型相结合，通过多种数据源的综合使用来构建容量衰退预测模型。首先，收集并分析实际电池操作数据，充放电过程、温度变化等；然后，利用机器学习算法对数据进行特征提取、模式识别和建模，从而揭示电池容量衰退规律；最后，结合物理模型对电池内部参数进行估计，并与机器学习模型进行融合，获得更准确的容量衰退预测结果。     

内部夹杂物缺陷对EA4T车轴钢裂纹萌生寿命的影响

根据EA4T车轴钢疲劳试验，建立基于滑移理论的体心立方晶体塑性理论框架，从介观角度研究车轴钢材料内部夹杂物对疲劳裂纹萌生的影响。模拟材料内部CaS球状夹杂物和Al₂O₃块状夹杂物附近应力分布规律。研究材料内部夹杂物对裂纹萌生寿命预测参数的影响，标定关键变量塑性应变能密度。以裂纹形成过程中能量的变化为切入点，研究不同夹杂物对裂纹萌生寿命的影响。结果表明：材料内部夹杂物缺陷形态以及弹性矩阵的差异是引起应力集中的主要诱因，对于EA4T车轴钢材料而言，Al₂O₃块状夹杂缺陷通常比CaS球状夹杂缺陷的对钢基体微观结构的破坏更严重，更容易萌生裂纹。