一种镍镉电池自动充电电路的设计及功能研究

介绍一种新型镍镉电池充电电路,利用集成运放和稳压器组成跟踪式电压比较器,通过监测电池电压实现充电和过充保护功能。经实际验证,该电路能实现自动充电和保护功能。电路使用的都是电子市场上常见的元器件,成本低廉,加之设计简洁,因此有一定的市场潜力。     

锂电池电化学阻抗谱分析

当前电动汽车车载电池均采用到锂电池,其电化学阻抗谱(EIS,Electrochemical Impedance Spectroscopy)是目前一种相对新颖的电化学测量技术。EIS能够为电动汽车锂电池组的电化学系统施加一个频率不同、振幅偏小且交流正弦的电势波,对于测量交流电势与电流信号阻抗比值方面具有良效。文章中简单分析了锂离子电池的电化学阻抗谱相关理论基础内容,然后对锂电池中电池电极电化学的阻抗谱特征进行了深度分析。     

基于超声测量及神经网络的锂离子动力电池SOC估算

准确地估算电动汽车动力电池的荷电状态(State of Charge,SOC)对电动汽车的安全驾驶和及时充电至关重要.基于超声测量和神经网络提出一种动力电池SOC估算方法.该方法对动力电池施加一个超声波脉冲,超声信号经过电池后得到反馈脉冲波,并以反馈波形的峰峰值作为神经网络的输入来建立模型,从而对动力电池SOC进行估算...     

蓄电池组寿命估算系统的研究与开发

本文介绍了通过假定周期估算电池组寿命的方法,开发了蓄电池组寿命估算系统,对其功能、结构和工作原理进行了分析与论述.详细阐述了系统内主回路测量模块和监控主机的架构、软硬件设计方案,以及假定周期的计算和校准算法.设计成果可应用于船舶动力蓄电池组的在线监测和智能诊断.     

某锂电池模组不同工况放电性能研究

某锂电池模组以不同工况进行放电测试,通过测量放电过程中温度变化及放电容量,对该锂电池模组不同倍率、不同功率下的放电性能进行研究.结果发现:该锂电池模组3 C放电最高温度达到63.1℃,0.2C放电最高温度31.7℃,3 C放电容量为0.2 C放电容量的97.3％,表明随着放电倍率的增大,电池模组的温度上升,放电容量下降...     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测，难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度，利用实际锂电池数据研究了不同多步预测策略的效果。结果表明，实际锂电池荷电状态预测在充电过程中具有显著线性特性，放电过程表现出非线性特性。预测步长为 15个时，LR模型、KNN模型、RF模型的 MAPE均低于 6%，R2均大于 0.90。线性回归结合 MIMO策略具有最大的实际应用潜力。     

电动汽车正面刮底工况设计及电池包防护优化分析

针对行业对电动汽车底部碰撞工况研究较少且无相关标准和法规的现状，结合电动汽车底部碰撞交通安全事故案例，设计了一种典型的正面刮底碰撞工况及其碰撞壁障，通过仿真分析与试验结果验证了该工况的合理性和碰撞壁障的可靠性。同时根据电池包在正面刮底工况中的损伤情况，提出了两种电动汽车电池包防护优化方案，降低了电动汽车电池包在正面刮底工况中的损伤。     

基于热平衡法的方壳电池电芯温度预测模型

据不完全统计，电动汽车大多在充电过程中发生自燃，如何在热失控前通过温度进行预警显得尤为重要。针对方形锂离子电池，构建了适用于嵌入式应用的电芯温度预测模型。通过试验精准测量电池各项热物性参数，对电池表面和电池卷芯分别进行热平衡分析，建立不同的能量守恒方程，对电池进行网格划分，进一步构建电池三维温度预测模型。仿真结果表明，热平衡模型不仅能够预测出电池每一部分的温度，而且预测的电芯温度误差不超过0.35 ℃，对快充条件下的电池温度预测有重要意义。     

基于EMB的纯电动汽车制动能量回收优化控制策略研究

为提高电动汽车制动时回收的能量,减少能源浪费,本文中提出了一种基于电子机械制动(EMB)系统的再生制动力分配策略。首先,根据制动踏板信号得到当前制动强度,结合前后轴制动力分配策略分别得到前轴、后轴制动力。然后以车速、电池SOC值和制动踏板行程为输入,再生制动占比为输出,创建模糊控制器,且以制动时回收能量最大化为优化目标,运用PSO算法优化模糊控制器。最后进行Simulink和AVL Cruise的联合仿真。结果表明,在NEDC工况下能量回收提升2.5%,在CLTC-P工况下能量回收提升1.56%。