为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻...为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻抗表征)、基于等效电路模型的方法、基于电化学模型的方法和基于人工智能神经网络等的锂电池剩余电量估算方法,本文汇总了各方法的估计误差,结果为安时积分法的最大估计误差可达15%;开路电压法最大估计误差为12.4%;电化学阻抗谱法平均估计误差小于3.8%;卡尔曼滤波法的估计误差小于1%;粒子群滤波法的平均误差可小于1%;基于电化学模型的方法平均误差小于2%;基于神经网络的方法平均误差小于2%;多方法混合和多参量联合估计的方法最大误差小于5%,平均误差小于2.5%。结果表明,卡尔曼滤波法相较于直接估算的方法和其他基于模型的方法,精确度更高且更容易实现;基于神经网络的方法无需对电池模型进行分析即可获得较为准确的结果;多种方法混合使用和利用多种参量修正估算值的方法进一步提高了估算精度。本文还针对电动汽车以及植入式医疗电子设备对于剩余电量估算方法的需求,对比分析了各方法的估算精度、优点、难点及适用电池类型,阐明估算方法的具体应用方案,并展望估算方法在这两个领域的发展方向。本文可为相关领域的研究和从业人员提供全面、详实的锂电池剩余电量估算方法的研究现状及发展方向信息。展开更多
目的步态是人体步行的姿态和行为特征,反映了神经和运动系统的协调能力。帕金森病患者在疾病发展过程中常伴有步态功能障碍,现有步态分析设备成本高昂、操作复杂,难以在临床应用。本研究旨在开发一套可穿戴系统对神经系统病变患者的运...目的步态是人体步行的姿态和行为特征,反映了神经和运动系统的协调能力。帕金森病患者在疾病发展过程中常伴有步态功能障碍,现有步态分析设备成本高昂、操作复杂,难以在临床应用。本研究旨在开发一套可穿戴系统对神经系统病变患者的运动功能进行定量评估。方法提出一种Lab-in-Shoe智能鞋系统,通过集成惯性测量单元和鞋内薄膜压力传感器,利用零速修正算法完成双足位置和姿态的解算,从而测量步态典型时空参数。该系统在临床进行初步应用,招募了7名健康受试者和15名帕金森病患者进行8 m长的Timed Up and Go(TUG)测试。结果研究结果表明,统一帕金森病评定量表评分与步长(r=-0.88,P<0.001)和步速(r=-0.84,P<0.001)存在显著负相关性。Hoehn-Yahr分级与步长(r=-0.75,P<0.001)和步速(r=-0.70,P<0.001)存在显著负相关性。将6类显著相关的步态参数通过多元线性回归分析建立评分与步态参数的回归模型(R2=0.8149,P<0.001,RMSE=10.14)。结论本研究通过Lab-in-shoe智能鞋系统采集、分析帕金森病患者的步态参数;初步结果显示能有效区分不同阶段患者的步态异常,随着疾病加重,步长、步速均呈现明显下降的特征;多元线性回归模型也表明步态参数与帕金森病情严重程度存在强关联性。未来有望将该系统应用于神经系统病变患者的诊断、康复。展开更多
文摘为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻抗表征)、基于等效电路模型的方法、基于电化学模型的方法和基于人工智能神经网络等的锂电池剩余电量估算方法,本文汇总了各方法的估计误差,结果为安时积分法的最大估计误差可达15%;开路电压法最大估计误差为12.4%;电化学阻抗谱法平均估计误差小于3.8%;卡尔曼滤波法的估计误差小于1%;粒子群滤波法的平均误差可小于1%;基于电化学模型的方法平均误差小于2%;基于神经网络的方法平均误差小于2%;多方法混合和多参量联合估计的方法最大误差小于5%,平均误差小于2.5%。结果表明,卡尔曼滤波法相较于直接估算的方法和其他基于模型的方法,精确度更高且更容易实现;基于神经网络的方法无需对电池模型进行分析即可获得较为准确的结果;多种方法混合使用和利用多种参量修正估算值的方法进一步提高了估算精度。本文还针对电动汽车以及植入式医疗电子设备对于剩余电量估算方法的需求,对比分析了各方法的估算精度、优点、难点及适用电池类型,阐明估算方法的具体应用方案,并展望估算方法在这两个领域的发展方向。本文可为相关领域的研究和从业人员提供全面、详实的锂电池剩余电量估算方法的研究现状及发展方向信息。
文摘目的步态是人体步行的姿态和行为特征,反映了神经和运动系统的协调能力。帕金森病患者在疾病发展过程中常伴有步态功能障碍,现有步态分析设备成本高昂、操作复杂,难以在临床应用。本研究旨在开发一套可穿戴系统对神经系统病变患者的运动功能进行定量评估。方法提出一种Lab-in-Shoe智能鞋系统,通过集成惯性测量单元和鞋内薄膜压力传感器,利用零速修正算法完成双足位置和姿态的解算,从而测量步态典型时空参数。该系统在临床进行初步应用,招募了7名健康受试者和15名帕金森病患者进行8 m长的Timed Up and Go(TUG)测试。结果研究结果表明,统一帕金森病评定量表评分与步长(r=-0.88,P<0.001)和步速(r=-0.84,P<0.001)存在显著负相关性。Hoehn-Yahr分级与步长(r=-0.75,P<0.001)和步速(r=-0.70,P<0.001)存在显著负相关性。将6类显著相关的步态参数通过多元线性回归分析建立评分与步态参数的回归模型(R2=0.8149,P<0.001,RMSE=10.14)。结论本研究通过Lab-in-shoe智能鞋系统采集、分析帕金森病患者的步态参数;初步结果显示能有效区分不同阶段患者的步态异常,随着疾病加重,步长、步速均呈现明显下降的特征;多元线性回归模型也表明步态参数与帕金森病情严重程度存在强关联性。未来有望将该系统应用于神经系统病变患者的诊断、康复。
