排序方式: 共有5条查询结果,搜索用时 156 毫秒
1
1.
为更好地解决电动汽车动力电池健康状态(SOH)在线估计问题,减少实车采集数据中的冗余样本,改善运行工况不稳定导致的特征丢失,提升实车电池SOH估计的精度,提出一种基于增量容量分析方法(ICA)提取特征和动态时间规整(DTW)优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线,以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据,基于IC曲线形状计算电池充电循环样本的相似度,保留与基准充电循环相似的充电循环数据,优化训练样本,最后采用全连接神经网络(MLP)模型进行SOH估计。以实车运行电池数据进行对比实验,结果表明该方法可明显改善训练样本质量,提升电池SOH估计精度。 相似文献
2.
本文提出了一种采用气体成分分析法,用于汽车灯具气密性检测的方法,通过理论分析和实验研究,表明该方法用于车灯气密性检测是可行的,该方法也可以用于一般的容器的气密性检测。 相似文献
3.
4.
5.
1