为了实现实时、高效、精准的锂电池健康状态(state of health,SOH)估计,提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer,GWO)优化卷积神经网络(convolutional neural network,CNN)的SOH估计方法。通过提取部分恒压充电过程中...为了实现实时、高效、精准的锂电池健康状态(state of health,SOH)估计,提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer,GWO)优化卷积神经网络(convolutional neural network,CNN)的SOH估计方法。通过提取部分恒压充电过程中的电流和时间序列数据,利用CNN自动提取特征,简化传统方法中繁琐的特征工程步骤,克服对完整充电数据的依赖,能显著降低数据采集和储存的成本。引入GWO对CNN的超参数进行优化,提高模型的估计精度。NASA和CALCE电池数据集的实验结果表明,该方法在SOH估计方面具有较高的精准度。展开更多
薄壁金属管是发生碰撞时为安全性所设置的关键吸能构件。为了提高薄壁管结构的耐撞性,结合方管的易安装性和圆管的稳定性,基于方竹结构对薄壁管截面进行耐撞性分析和仿生优化设计。通过对方竹结构的原型分析,利用ABAQUS搭建了仿方竹结...薄壁金属管是发生碰撞时为安全性所设置的关键吸能构件。为了提高薄壁管结构的耐撞性,结合方管的易安装性和圆管的稳定性,基于方竹结构对薄壁管截面进行耐撞性分析和仿生优化设计。通过对方竹结构的原型分析,利用ABAQUS搭建了仿方竹结构薄壁管有限元分析模型,在对模型进行试验验证的基础上,以壁厚、肋长为研究参数对仿方竹薄壁管耐撞特性进行了仿真分析。在此基础上,采用全因子试验设计方法来构建响应面模型,以比吸能和初始峰值载荷为目标函数,运用多目标粒子群优化算法进行优化求解并获得最优解的Pareto集。研究结果表明:仿方竹结构薄壁管有较好的耐撞性和稳定性,壁厚0.892 mm、肋长2.995 mm为仿方竹结构的最优解,此时初始峰值载荷和比吸能分别为10 k N和7.936598 k J/kg。研究结果对薄壁管的结构设计和尺寸优化具有重要意义。展开更多
文摘为了实现实时、高效、精准的锂电池健康状态(state of health,SOH)估计,提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer,GWO)优化卷积神经网络(convolutional neural network,CNN)的SOH估计方法。通过提取部分恒压充电过程中的电流和时间序列数据,利用CNN自动提取特征,简化传统方法中繁琐的特征工程步骤,克服对完整充电数据的依赖,能显著降低数据采集和储存的成本。引入GWO对CNN的超参数进行优化,提高模型的估计精度。NASA和CALCE电池数据集的实验结果表明,该方法在SOH估计方面具有较高的精准度。
文摘薄壁金属管是发生碰撞时为安全性所设置的关键吸能构件。为了提高薄壁管结构的耐撞性,结合方管的易安装性和圆管的稳定性,基于方竹结构对薄壁管截面进行耐撞性分析和仿生优化设计。通过对方竹结构的原型分析,利用ABAQUS搭建了仿方竹结构薄壁管有限元分析模型,在对模型进行试验验证的基础上,以壁厚、肋长为研究参数对仿方竹薄壁管耐撞特性进行了仿真分析。在此基础上,采用全因子试验设计方法来构建响应面模型,以比吸能和初始峰值载荷为目标函数,运用多目标粒子群优化算法进行优化求解并获得最优解的Pareto集。研究结果表明:仿方竹结构薄壁管有较好的耐撞性和稳定性,壁厚0.892 mm、肋长2.995 mm为仿方竹结构的最优解,此时初始峰值载荷和比吸能分别为10 k N和7.936598 k J/kg。研究结果对薄壁管的结构设计和尺寸优化具有重要意义。
