检索结果-南通市图书馆

基于健康特征参数的CNN-LSTM&GRU组合锂电池SOH估计

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

储能科学与技术 2022年第5期11卷 1641-1649页

作者：戴彦文于艾清上海电力大学电气工程学院上海200090

锂电池健康状态(state of health,SOH)是表征电池实际寿命的关键性参数。SOH不可直接测量,为进一步提升锂电池SOH估计的精度,提出一种基于健康特征参数的CNN-LSTM与GRU组合SOH估计方法。首先,从锂电池充电曲线中初步选取健康特征参数,... 详细信息

锂电池健康状态(state of health,SOH)是表征电池实际寿命的关键性参数。SOH不可直接测量,为进一步提升锂电池SOH估计的精度,提出一种基于健康特征参数的CNN-LSTM与GRU组合SOH估计方法。首先,从锂电池充电曲线中初步选取健康特征参数,并通过Spearman相关系数提取健康特征,具体包括恒定电流充电时长、恒定电压充电时长、恒定电流充电时长与恒定电压充电时长的比值以及恒定电流充电阶段温度曲线在时间上的积分与恒定电压充电阶段温度曲线在时间上的积分。其次,采用卷积神经网络(convolutional neural network,CNN)提取健康特征的局部特征,长短期神经网络(long short-term memory,LSTM)挖掘数据时间序列特征,构造CNN-LSTM融合神经网络。然后,将CNN-LSTM网络与门口循环单元(gated recurrent unit,GRU)通过自适应权重因子构成组合SOH估计模型。最后,以NASA锂电池数据集5号、6号、7号、18号电池参数为依据进行验证。实验结果表明,所提组合模型相比于CNN-LSTM、LSTM和GRU此类单一模型,平均绝对误差分别降低了71.8.%、62.4%、22.6%,均方根分别降低了84.1%、79.8%、44.3%。

关键词：锂离子电池健康状态健康特征 CNN-LSTM GRU

基于多健康特征融合的锂电池SOH和RUL预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电源技术 2023年第2期47卷 193-198页

作者：廖力肖廷奕吴铁洲姜久春湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北武汉430068

针对锂电池健康状态(SOH)和剩余使用寿命(RUL)预测精度较低的问题,提出一种基于多健康特征融合的锂电池SOH和RUL预测方法。首先从电池充电曲线中提取三个与容量退化有关的健康特征(HFs),提出多健康特征融合法得到间接健康特征(IHF)。再... 详细信息

针对锂电池健康状态(SOH)和剩余使用寿命(RUL)预测精度较低的问题,提出一种基于多健康特征融合的锂电池SOH和RUL预测方法。首先从电池充电曲线中提取三个与容量退化有关的健康特征(HFs),提出多健康特征融合法得到间接健康特征(IHF)。再采用改进的引力搜索算法优化支持向量回归模型,将IHF作为模型输入,SOH作为输出。最后,建立多项式回归模型对IHF随电池循环次数增加的变化趋势进行预测,将更新后的IHF和当前SOH估计值输入到估算模型中实现电池RUL的预测。实验结果表明所提出的方法有较高的预测精度和较强鲁棒性,能够联合实现电池SOH和RUL长期稳定的预测。

关键词：锂电池健康状态剩余使用寿命健康特征支持向量回归

在线全文

学校读者我要写书评

暂无评论

基于电化学模型的锂电池健康特征研究

基于电化学模型的锂电池健康特征研究

作者：冯翔北京交通大学

学位级别：硕士

随着电动汽车行业的快速发展,越来越多的电池从原本的应用场景中退役下来,退役电池的梯次利用技术已成为新能源领域的研究热点。而退役电池往往存在很多内部损伤,仅以容量和内阻等数据作为退役电池的筛选指标和健康特征不能反应电池的... 详细信息

随着电动汽车行业的快速发展,越来越多的电池从原本的应用场景中退役下来,退役电池的梯次利用技术已成为新能源领域的研究热点。而退役电池往往存在很多内部损伤,仅以容量和内阻等数据作为退役电池的筛选指标和健康特征不能反应电池的内部的老化,因此需要无损地获取更多反应电池内部健康状态的特征参数,作为退役电池筛选和评价的指标。本文通过搭建电池的电化学模型,使用模拟退火算法进行参数辨识,获取电池的电化学参数,依据容量增量分析法研究各电压平台对电池老化的反应程度,根据电压平台划分SOC区间,建立分段赋权的参数辨识目标函数,最后研究磷酸铁锂电池的健康特征参数随电池循环寿命的变化规律,选择与循环寿命相关性强的内部健康特征作为电池筛选和评价的依据。论文的研究内容如下:介绍了锂离子电池的基本工作原理,描述了准二维模型中的固液相扩散过程以及电荷守恒方程、物质守恒方程、电化学动力学方程,并在准二维模型的基础上添加液相电势建立单粒子模型。将电化学模型搭建在MATLAB中,通过实验结合仿真的方式获取电池的正极开路电压与正极表面荷电状态的关系。对参数分别进行敏感度分析得到敏感度较高的参数,用模拟退火算法对参数进行辨识,并通过恒流放电工况和动态放电工况的实验与仿真的对比,验证了模型的准确性。对磷酸铁锂电池进行容量增量分析,分析不同因素对IC曲线的影响,通过层次分析法和变异系数法分析容量增量曲线的各个峰对电池老化的反应程度,依据反应程度给各个IC峰对应的SOC区间赋权,考虑到退役电池梯次利用时不满充满放的使用场景,选择比较能反应电池老化的SOC区间进行参数辨识,并根据权重确定新的参数辨识目标函数。新的目标函数主要辨识权重大的SOC区间,得到的参数辨识结果更能反应电池的老化状态。对磷酸铁锂电池进行加速老化试验,并在循环过程中对电池的健康特征参数进行辨识,得到特征参数的变化轨迹。并通过对比不同目标函数的参数辨识结果的曲线拟合程度,验证使用新的目标函数的参数辨识结果与电池寿命相关性更强。然后分析各健康特征参数的实际物理意义,利用健康特征参数研究电池的老化机理,最后提出用于退役电池筛选和评价的健康特征参数。

关键词：电化学模型参数辨识容量增量分析健康特征

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于流动老年人健康特征的社会融入现状分析

老龄化研究 2023年第4期10卷 1285-1289页

作者：季洁上海工程技术大学管理学院，上海

随着人口老龄化的加快以及“健康中国”计划的持续推进，我国首代独生子女的父母已经步入老年阶段，人口迁移的趋势发生了较大的改变，以家庭为单位的迁移模式逐渐呈现，流动老年人口成为了不可忽略的大规模群体。“十四五”规划中明确... 详细信息

随着人口老龄化的加快以及“健康中国”计划的持续推进，我国首代独生子女的父母已经步入老年阶段，人口迁移的趋势发生了较大的改变，以家庭为单位的迁移模式逐渐呈现，流动老年人口成为了不可忽略的大规模群体。“十四五”规划中明确提出积极老龄化的战略，但是精准分类别的认识流动老年人口的健康特征，以及研究流动老年人的社会融入现状是当下急需重视的问题。现将六十岁及以上流动老年人口作为研究对象，分析其健康特征与社会融入现状，探究健康特征对社会融入的影响，并提出基于健康特征的促进流动老年人社会融入的建议。

关键词：流动老年人健康特征社会融入 Floating Elderly Health Characteristics Social Inclusion

来源：博看期刊评论

在线全文

博看期刊

学校读者我要写书评

暂无评论

基于内部健康特征的锂离子电池筛选分组

基于内部健康特征的锂离子电池筛选分组

作者：刘恩会哈尔滨工业大学

学位级别：硕士

锂离子电池作为一种优秀的储能装置,以其优良的特性在电子产品、电动车、航天等领域有着广泛的应用。为达到应用对象电压等级的要求,锂离子电池大都以电池组的形式出现,而电池组使用寿命受内部电池单体性能参数的一致性制约。本文提出... 详细信息

锂离子电池作为一种优秀的储能装置,以其优良的特性在电子产品、电动车、航天等领域有着广泛的应用。为达到应用对象电压等级的要求,锂离子电池大都以电池组的形式出现,而电池组使用寿命受内部电池单体性能参数的一致性制约。本文提出了基于锂离子电池内部健康特征的筛选分组方法,并与基于传统标准的筛选分组效果进行对比验证。详细介绍了锂离子电池基本工作原理和SP+简化模型。在此基础上,分析模型参数与电池外在响应之间的联系,利用设计好的参数辨识工况对模型参数进行无损获取。改进已有的模型参数获取方法,实验表明改进后参数获取方法的参数获取结果更加准确。对电池进行老化试验,分别基于SP+简化模型和传统筛选标准,揭示电池内外部特征参数随电池寿命的变化规律。对特征参数的敏感度和变异系数进行深入分析,把与电池寿命相关性大、辨识可靠性高的特征参数确定为电池的内外部健康特征。把FCM算法与电池内外部健康特征的权重联系起来,并利用FCM算法有效性指标VFS来判断电池的最佳分类。在此基础上,基于电池的健康特征从120节样品电池中筛选出一致性较好的电池,并对筛选好的电池组进行相同工况的老化实验。实验结果表明,相对于传统筛选标准,当引入电池内部健康特征的筛选标准后,电池组中电池单体的一致性更好,健康度更高。

关键词：锂离子电池 SP+简化模型健康特征 FCM算法健康度

我国广播电视工作者对健康观念的认知程度及健康特征的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

西安体育学院学报 2004年第3期21卷 108-112,F003页

作者：乔培基北京广播学院体育部北京100024

为了深入了解我国广播电视职业群体健康观念及其健康状况的职业特征,采用问卷调查法、数理统计法和文献资料法对我国广播电视系统职工进行了健康状况调查与分析研究。结论:大部分职工具有与现代健康观念内涵相符的正确的健康观念;健康... 详细信息

为了深入了解我国广播电视职业群体健康观念及其健康状况的职业特征,采用问卷调查法、数理统计法和文献资料法对我国广播电视系统职工进行了健康状况调查与分析研究。结论:大部分职工具有与现代健康观念内涵相符的正确的健康观念;健康控制意愿倾向于内控;广播电视工作者群体的健康总体状况并不令人满意;健康观念与体质健康状况具有职业特征;吸烟成为对健康影响最大的不良生活嗜好。

关键词：中国广播电视工作者健康观念认知程度健康特征群众体育职业特征生活习惯

在线全文

学校读者我要写书评

暂无评论

医务人员心理健康特征分析

中华医院管理杂志 2010年第6期26卷 453-457页

作者：王卓王香平花蕾赵利杰汤哲刘佑琴邢华首都医科大学宣武医院北京100053

医务人员工作繁重、人际敏感，时常处理各类危机、面对病人死亡和复杂的社会评价，其心理健康状况越来越引起国内外学者的关注。症状自评量表SCL-90是测查各类人群心理健康水平的常用工具，具有较好的信度和效度。尽管有研究显示我国医... 详细信息

医务人员工作繁重、人际敏感，时常处理各类危机、面对病人死亡和复杂的社会评价，其心理健康状况越来越引起国内外学者的关注。症状自评量表SCL-90是测查各类人群心理健康水平的常用工具，具有较好的信度和效度。尽管有研究显示我国医务人员的SCL-90得分低于全国常模，但在不同人口学特征上存在差异。本研究旨在了解北京市三级综合医院医务人员的心理健康水平，发现高危群体，以便医疗管理部门制定政策，促进医务人员身心健康。

关键词：心理健康状况医务人员症状自评量表SCL-90 健康特征三级综合医院健康水平人口学特征人际敏感

在线全文

学校读者我要写书评

暂无评论

现代家庭结构与个体健康特征的关系分析

现代中医药 2003年第4期23卷 70-72页

作者：张养生陕西中医学院 712083

现代家庭是以突出夫妻爱情关系为基础的核心型家庭,是一种一对一的“捆绑式”的生活关系。但随着家庭成员文化水平的不断提高和日常生活的完全社会化,进而使得人们的感情投向和释放形式发生了根本性变化,“白首偕老”式的关系愿望似... 详细信息

现代家庭是以突出夫妻爱情关系为基础的核心型家庭,是一种一对一的“捆绑式”的生活关系。但随着家庭成员文化水平的不断提高和日常生活的完全社会化,进而使得人们的感情投向和释放形式发生了根本性变化,“白首偕老”式的关系愿望似乎受到了极大的挑战,以至于影响到家庭内部关系和每一位成员的身心健康及其相关的生物学特征、疾病特征。要使人的健康质量与现代文化相同步,就要在大力发展与学习自然科学的同时,更要重视人文伦理科学知识的学习与发展。让人们树立一种意识:“家庭”是“人”的文明行为的具体表现,是文化性的生活方式,应该继续维护她的“人性化行为”,特别是亲情互动的行为因素与健康的关系上,更重要于自然科学。

关键词：现代家庭家庭结构健康特征家庭成员个体健康

基于特征提取的电动汽车锂电池健康状态预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于特征提取的电动汽车锂电池健康状态预测方法研究

作者：蒋依汗重庆理工大学

学位级别：硕士

在电动汽车的核心构成中,锂离子电池发挥着举足轻重的作用。然而,锂离子电池在长期使用过程中不可避免地会出现老化和性能下降,存在诸如电池漏液、绝缘性能退化以及局部短路等一系列潜在的安全隐患和事故问题。因此,对锂离子电池的健康... 详细信息

在电动汽车的核心构成中,锂离子电池发挥着举足轻重的作用。然而,锂离子电池在长期使用过程中不可避免地会出现老化和性能下降,存在诸如电池漏液、绝缘性能退化以及局部短路等一系列潜在的安全隐患和事故问题。因此,对锂离子电池的健康进行持续监测和维护,和准确评估锂离子电池的SOH和RUL对保障电池系统安全运行至关重要。本文针对锂离子电池SOH估计和RUL预测问题,开展了以下工作:(1)本文为获取电池老化数据搭建了电池测试平台,并设计试验方案此在平台上开展锂离子电池老化试验。通过分析试验结果,研究电池老化规律,为开展电池SOH估计和RUL预测提供有力支撑。(2)针对锂离子电池健康特征难以在线获取、应用受限等问题。本文依据IC曲线峰值随电池循环的演化规律,对片段充电电压曲线进行下采样构建电压序列作为SOH估计特征。接着,基于电池容量-电压曲线在早期循环中的演化差异,采用统计方法基于△Q(V)曲线与△V(Q)曲线构建RUL特征。Pearson相关性分析结果表明了所设计的特征相关系数均大于0.8,与电池SOH或RUL呈强相关性。(3)针对锂离子电池充电过程不完整和人工特征复杂低效的问题,本文提出了基于充电电压序列特征的SOH估计建模方法,所设计CNN-CBAM-LSTM模型通过CNN和CBAM自动提取电压序列中的潜在衰退特征。所提出方法具有良好的泛化性能,基于模型微调实现以较小成本对不同数据集的电池SOH精确估计,在3个数据集上的最佳RMSE分别为0.14%、0.09%和0.61%。结果表明,该模型仅需300s窗口内采集的充电数据,即可实现对不同类型锂离子电池在多种工况下的SOH准确估计。(4)针对锂离子电池循环寿命长短各异和早期循环下寿命难以预测的问题,本文提出一种基于衰退模式识别的电池RUL预测建模方法。该方法应用无监督K-means聚类算法建立衰退模式识别器,以94.26%的精度将不同循环寿命的电池划分为3类;基于衰退模式识别结果开发CNN-CBAM-LSTM-TA模型,设计了不同维度注意力机制以加强特征提取能力和追踪电池衰退模式演变,并利用多任务学习使模型实现电池SOH和RUL的协同预测。通过包含多种循环条件的电池数据集验证该方法的有效性和泛化性,结果表明,电池SOH和RUL预测的平均RMSE分别为0.14%和6个循环,多任务学习驱动的RUL预测有效地解决了电池早期循环寿命难预测的问题。

关键词：锂离子电池 SOH RUL 健康特征深度学习