期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
采用广义混合最大相关熵准则扩展卡尔曼滤波算法的锂离子电池荷电状态估计
1
作者 巫春玲 赵玉冰 +3 位作者 耿莉敏 徐先峰 王溢波 陈昊 《西安交通大学学报》 北大核心 2025年第7期159-169,共11页
为了解决非高斯噪声环境下荷电状态(SOC)估计不准确以及鲁棒性差等问题,提出一种基于广义混合最大相关熵准则的扩展卡尔曼滤波(GMMCC-EKF)算法。该算法利用两个广义高斯函数构成的核函数得到广义混合熵,继承了广义高斯核的灵活性,并通... 为了解决非高斯噪声环境下荷电状态(SOC)估计不准确以及鲁棒性差等问题,提出一种基于广义混合最大相关熵准则的扩展卡尔曼滤波(GMMCC-EKF)算法。该算法利用两个广义高斯函数构成的核函数得到广义混合熵,继承了广义高斯核的灵活性,并通过统计线性化技术将状态误差和测量误差统一纳入代价函数,进而通过固定点迭代法获得非线性方程的最优估计,然后将广义混合最大相关熵准则与扩展卡尔曼滤波相结合,增强在非高斯噪声环境下的稳定性,提高对复杂数据处理的准确性。为了验证算法有效性,分别选用两种不同类型的锂离子电池,在动态应力测试(DST)工况及多种环境温度(10、25和40℃)的新欧洲驾驶循环(NEDC)工况下对电池进行SOC估计。实验结果表明,在25℃且均匀混合噪声环境下,对于1号电池,GMMCC-EKF算法的估计精度相对于扩展卡尔曼滤波算法(EKF)和传统最大相关熵扩展卡尔曼滤波算法(MCC-EKF)分别提高了90.1%和83.9%;对于2号电池,估计精度分别提高了72.4%和47.4%,并且在10、40℃环境下该算法仍展现出最优性能。对1号、2号电池在25℃且拉普拉斯混合噪声环境下进行SOC估计,GMMCC-EKF算法相对于其他两种算法的估计精度也有显著提高。在给定初始值错误的情况下,GMMCC-EKF算法能够快速地收敛到真实值。所提算法具有较高的估计精度、良好的适应性和鲁棒性,可为非高斯噪声环境下的SOC估计提供有效解决方案。 展开更多
关键词 荷电状态估计 广义混合最大相关熵准则 扩展卡尔曼滤波 非高斯噪声
在线阅读 下载PDF
氧化石墨烯对正己醇/柴油混合燃料喷雾与燃烧特性的影响
2
作者 官维 邓磊 +4 位作者 付长城 吉振华 潘明章 文涛 陈昊 《内燃机工程》 北大核心 2025年第5期28-40,共13页
在不同喷射压力下,研究了添加不同含量的氧化石墨烯对正己醇/柴油混合燃料喷雾、燃烧性能的影响。在柴油中按20%体积分数加入正己醇配置液体组分后,在其中分别加入质量分数为20×10^(-6)、40×10^(-6)、60×10^(-6)的氧化... 在不同喷射压力下,研究了添加不同含量的氧化石墨烯对正己醇/柴油混合燃料喷雾、燃烧性能的影响。在柴油中按20%体积分数加入正己醇配置液体组分后,在其中分别加入质量分数为20×10^(-6)、40×10^(-6)、60×10^(-6)的氧化石墨烯,得到三种混合燃料。结果表明,在160 MPa喷射压力下,混合燃料的雾化性能最佳,其中质量分数为40×10^(-6)的氧化石墨烯含量的燃料喷雾贯穿距最长,喷雾扩散角最大,喷雾面积最大。此外,适量增加氧化石墨烯含量能提高燃料与空气混合的效率,提高燃烧效率,减少碳烟生成。在相同喷射压力下,质量分数为40×10^(-6)的氧化石墨烯含量的燃料降低排放的效果最好,火焰浮起长度最长。 展开更多
关键词 正己醇 混合燃料 氧化石墨烯 喷雾特性 燃烧特性
在线阅读 下载PDF
采用全局健康因子和残差模型的锂离子电池健康状态估计 被引量：1
3
作者 胡循泉 耿莉敏 +5 位作者 舒俊豪 张文博 巫春玲 尉小龙 黄东 陈昊 《西安交通大学学报》 北大核心 2025年第4期105-117,共13页
为准确估计锂离子电池的健康状态(SOH),提出了一种卷积神经网络-残差网络-双向门控循环单元-注意力机制(CNN-Residual-BiGRU-Attention)模型和微调估计方法。首先,采用分段近似聚合算法对电池容量增量和恒流充电曲线进行降维,构建全局... 为准确估计锂离子电池的健康状态(SOH),提出了一种卷积神经网络-残差网络-双向门控循环单元-注意力机制(CNN-Residual-BiGRU-Attention)模型和微调估计方法。首先,采用分段近似聚合算法对电池容量增量和恒流充电曲线进行降维,构建全局健康因子;接着,利用卷积神经网络提取全局健康因子时序特征,通过注意力机制突出强相关特征,并引入残差网络保持信息完整性;最后,通过改进人工蜂群算法对模型超参数寻优,提升模型SOH估计精度。采用美国国家航空航天局和牛津大学锂离子电池数据集进行精度验证,结果表明:利用提出的微调估计方法,即使精度较差的卷积神经-长短期记忆模型,SOH估计结果的平均绝对误差e_( MAE)、平均绝对百分比误差e_( MAPE)和均方根误差e RMSE也均在2%以内;相较于卷积神经网络-双向门控循环单元-注意力机制模型,采用CNN-Residual-BiGRU-Attention模型对训练集比例为30%的同一电池SOH进行估计,得到的e_( MAE)、e_( MAPE)和e RMSE分别降低了41.86%、44.35%、42.11%;对训练集比例为40%的同类电池SOH进行估计,得到的e_( MAE)、e_( MAPE)和e RMSE分别降低了45.51%、45.93%、40.10%。该研究结果可为低比例训练集条件下准确估计锂离子电池的SOH提供理论参考。 展开更多
关键词 锂离子电池 健康状态估计 全局健康因子 改进人工蜂群算法 残差 双向门控循环单元
在线阅读 下载PDF
收缩比对渐缩旋转爆震燃烧室流动与增压特性影响的数值研究
4
作者 黄吕萌 徐劲轩 +1 位作者 杨诏 陈占明 《推进技术》 北大核心 2025年第5期175-183,共9页
本文针对渐缩型旋转爆震燃烧室结构优化,通过二维仿三维手段开展了不同收缩比下的爆震燃烧数值模拟研究。研究发现,相比于等直流道,渐缩流道的收缩效应在提高燃烧室出口的总压方面更具优势,增压的机制来源于渐缩流道能够限制燃烧产物的... 本文针对渐缩型旋转爆震燃烧室结构优化,通过二维仿三维手段开展了不同收缩比下的爆震燃烧数值模拟研究。研究发现,相比于等直流道,渐缩流道的收缩效应在提高燃烧室出口的总压方面更具优势,增压的机制来源于渐缩流道能够限制燃烧产物的周向膨胀而促使其转化为出口轴向速度的分量。此外,随着渐缩爆震燃烧室收缩比的减小,爆震燃烧室的沿程总压增大,爆震强度提高,在收缩比达到0.4时爆震波强度达到峰值;但燃烧室平均进气马赫数降低,导致燃料再填充高度降低,流场稳定性下降;如果收缩比不断减小,甚至会导致爆震波解耦(收缩比为0.3时发生解耦)。因此,将渐缩流道应用于旋转爆震燃烧室以提高燃烧室的增压比是提升爆震发动机推进性能重要研究方向,也为旋转爆震发动机进一步的结构优化提供了可行途径。 展开更多
关键词 旋转爆震燃烧室 渐缩流道 增压特性 流道优化 数值仿真
在线阅读 下载PDF
采用深度学习的全寿命周期锂电池荷电状态估计
5
作者 张林 巫春玲 +1 位作者 黄鑫蓉 李艳波 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第10期36-43,共8页
针对锂离子电池的健康状态(SOH)随着充放电循环次数的增加而持续退化,导致在整个寿命周期内准确估计电池的荷电状态(SOC)难度较高的问题,提出了一种采用深度学习的全寿命周期内锂离子电池SOC估计模型。该模型采用被估计时刻及之前多个... 针对锂离子电池的健康状态(SOH)随着充放电循环次数的增加而持续退化,导致在整个寿命周期内准确估计电池的荷电状态(SOC)难度较高的问题,提出了一种采用深度学习的全寿命周期内锂离子电池SOC估计模型。该模型采用被估计时刻及之前多个历史时刻的电流、电压和温度组成的序列数据作为模型的输入,先采用一维卷积神经网络(1D CNN)提取序列的特征,再用门控循环单元(GRU)建立特征与SOC之间的非线性关系,然后采用贝叶斯优化方法(BO)对网络超参数进行寻优以提升预测的精度。采用两个公开数据集对所提出的模型进行验证,实验结果表明:所提模型在较宽的SOH范围内实现了精确的SOC预测,且预测精度显著优于采用单个深度学习模型的预测精度;与CNN和BiLSTM模型相比,所提模型的均方根误差分别平均降低了15.16%和45.22%;当输入序列的长度为10、数据采样间隔时间为1 min时,在两个数据集上预测的均方根误差均低于2%。 展开更多
关键词 锂离子电池 荷电状态估计 深度学习 健康状态
在线阅读 下载PDF
采用格拉姆角场-卷积神经网络-时序卷积网络混合模型的锂离子电池健康状态估计 被引量：3
6
作者 赵扬 耿莉敏 +5 位作者 胡循泉 胡兵 巫春玲 张文博 山世玉 陈昊 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第11期27-38,共12页
针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提... 针对现有电池健康状态(SOH)估计存在估计精度低、时序特征捕捉不足的问题,提出了一种格拉姆角场-卷积神经网络-时序卷积网络(GAF-CNN-TCN)混合模型。利用GAF算法将不同长度的容量增量(IC)曲线转换成图像数据,并采用卷积神经网络从中提取特征;提出一种特征融合网络,将二维卷积神经网络从图像中提取的图片特征与一维卷积神经网络从IC序列中提取的时序特征进行融合;将提取的综合特征输入时序卷积网络模型中进行训练,实现了SOH的准确估计。利用美国国家航空航天局和牛津大学的锂离子电池数据集进行模型验证,结果表明:相较于长短期记忆(LSTM)模型,GAF-CNN-TCN混合模型输出的SOH与真实SOH之间的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了85.65%、86.12%、84.0%;相较于CNN-LSTM模型,所提模型的MAE、MAPE和RMSE分别降低了83.24%、83.75%、82.27%;相较于TCN模型,所提模型的MAE、MAPE和RMSE分别降低了76.92%、77.19%、76.01%。 展开更多
关键词 锂离子电池 电池健康状态 格拉姆角场 卷积神经网络 时序卷积网络
在线阅读 下载PDF
二甲醚和甲醇双直喷喷雾燃烧特性的光学研究 被引量：1
7
作者 南天天 肖红亮 +5 位作者 张海涛 黄吕萌 陈占明 陈昊 何海斌 吴杰 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第6期153-161,共9页
为明晰高压喷射条件下二甲醚和甲醇双直喷的喷雾形态和火焰发展特性,通过高温高压定容燃烧弹,利用高速相机基于纹影法,对比研究了甲醇和二甲醚双直喷的喷雾燃烧特性。实验中,喷射压力设置为60、80、100 MPa,环境背压设置为0.2、4 MPa,... 为明晰高压喷射条件下二甲醚和甲醇双直喷的喷雾形态和火焰发展特性,通过高温高压定容燃烧弹,利用高速相机基于纹影法,对比研究了甲醇和二甲醚双直喷的喷雾燃烧特性。实验中,喷射压力设置为60、80、100 MPa,环境背压设置为0.2、4 MPa,环境温度分别为500、800 K。背压为0.2 MPa时,二甲醚的气相和液相贯穿距以及喷雾投影面积小于甲醇;背压为4 MPa时情况相反。但是,二甲醚液相喷雾贯穿距和喷雾面积所占的比例在同工况下均小于甲醇,即两种背压条件下二甲醚的雾化效果均比甲醇的好。随着喷射压力的增加,双直喷喷雾的火焰浮起长度增加,喷射压力为100 MPa时的火焰浮起长度较60 MPa时增加约26.42%,着火延迟期变长,KL因子的总和减少了44.05%;随着二甲醚喷射延时的增加,两种喷雾碰撞后形成的双直喷喷雾发展变快,喷雾面积先变小后变大,燃烧火焰的着火延迟期变长。相比于同步喷射,二甲醚延迟1 ms喷射时火焰浮起长度增加8.34%,KL因子的总和下降26.12%。研究表明,增加喷射压力和二甲醚喷射延时对于优化二甲醚、甲醇双燃料发动机的喷雾与燃烧特性具有重要的促进作用。 展开更多
关键词 二甲醚 甲醇 闪急沸腾 喷雾特性 燃烧特性
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部