锂离子电池组不一致性及其弥补措施

现有的动力电池技术水平下,电动汽车必须使用多块电池构成的电池组来满足使用要求。由于同一类型、规格的电池在电压、内阻、容量等方面的参数值存在差别,使其在电动汽车上使用时,性能指标往往达不到单体电池的原有水平,严重影响其在电动汽车上的应用。本文对电池组内不一致性产生的原因进行深入分析,并针对生产、配组、使用、维护等过程提出弥补不一致性的措施。     

基于相似性优化模型样本的实车锂电池健康状态分析

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。     

电动汽车电池温度一致性与驾驶行为关联特性研究

为实现融合车辆运行状态的电池温度不一致性的精准评估诊断,设计并开展电动汽车自然驾驶试验,利用长周期、精细化的车辆运行数据,从微观运行片段的角度探究了电池温度一致性与驾驶行为的关联特性。通过驾驶人踩/松踏板的驾驶行为将车辆运行过程划分为A、B、C、D四类微观片段。分别针对4类片段,通过计算最大信息系数(Maximum Information Coefficient, MIC)得到了各驾驶行为参数与探针温度变异系数(Variation Coefficient of Probe Temperature, VCPT)的相关性,利用随机森林模型分析了驾驶行为参数对VCPT的重要性及影响机理,利用数据分组统计计算了驾驶行为参数对VCPT的量化影响效应。研究结果表明：驾驶行为参数与电池温度一致性具有弱相关性,且其对电池温度一致性的影响是非线性且非单调的;总体上车速类参数与电池温度一致性的相关性强于加速度和踏板类参数;对VCPT回归预测最重要的4项驾驶行为参数中,4类片段下均包含最大车速,B、C、D三类片段下均包含最大负向加速度;相比于高车速和高车速波动,高减速度驾驶行为引起的温度不一致性增幅是最显著...     

基于AHP的燃料电池汽车综合性能评价方法

燃料电池汽车的综合性能评价体系包含多层级指标,具有一定的复杂性。本文运用层次分析法对其不同层级性能指标展开权重计算,以客观指标测评和主观打分相结合的方式对整车性能展开评价,得到了不同车辆综合性能评价结果,为燃料电池汽车示范运行考核提供借鉴和参考。     

诊排汽车故障勿忘搭铁线功能与实例

<正>众所周知,汽车上将蓄电池负极与车身的金属部分相连接,因此负极通常称为搭铁线。搭铁线在汽车电路中起着重要的作用,因为搭铁状态的好坏直接影响着汽车电气工作的稳定性。在汽车维修工作中,查找搭铁不良故障,一般都要耗费大量的时间。在实际工作中这方面的问题是绝不可忽视的。1.搭铁线的类型及功能(1)主搭线在汽车上,搭铁线是构成电路回路的一部分,但有时候会发现大量的     

比电动车更环保：首届燃料电池汽车及氢能源利用产业博览会

随着政府的大力支持,以电动车为主的新能源汽车飞入了寻常百姓家。电动车固然环保,但对于废旧电池的处理并没有最环保的解决方案,所以从某种角度上来看,电动车仍旧存在一定的污染,而以氢能源为主的燃料电池汽车则从根本上解决了污染问题,因为从制氢到最后以水为主的排放物来说,燃料电池汽车对环境的污染几乎为零。     

和燃料电池汽车一起静音启航

<正>越来越多的汽车厂商开始致力于能源汽车的开发。氢燃料电池汽车(HFCV)就是一个绝佳范本。一方面,氢燃料电池汽车具有零排放的优点;另一方面,氢作为可再生资源,具有替代传统燃料的巨大潜力。和同济大学汽车学院合作,汉高     

叉车专利文摘

用于车辆的电池存放装置和具有该电池存放装置的叉车,叉车的升降杆,叉车货叉摆动装置。     

锂离子动力电池温升特性的研究

介绍了锂离子动力电池的发热机理.基于锂离子动力电池内阻引起的温升特性,建立动力电池传热模型,通过模拟计算得出电池内部温度分布及电池温升随放电倍率变化的规律.最后对锰酸锂电池进行内阻实验,揭示了电池内阻随电池温度和SOC变化的规律.     

新能源汽车离我们还有多远

<正>目前,能源和环境问题已经成为人类必须面对的最重要问题。因此,节能和环保自然也成为汽车技术发展的主要方向之一。而新能源汽车则是汽车技术研究的主要对象,但从目前的进展来看,要走的路还拫长、很远。