基于LS-SVM的捷联惯组误差系数预测

针对目前小样本容量的捷联惯组误差系数预测精度不高的问题,采用最小二乘支持向量机(LS-SVM)对捷联惯组误差系数进行了预测研究,并以某型捷联惯组的某项陀螺漂移误差系数的历史数据为例进行了预测.结果表明,最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力.     

基于LS-SVM的无人机费用预测

无人机费用预测是在装备研制设计阶段就必须考虑的重要问题。针对无人机费用预测小样本、具有不确定性等特点,提出了基于最小二乘支持向量机(LS-SVM,Least Squares Support Vector Machines)的无人机费用预测模型,并应用于研制费用、维修保障费用预测。应用结果表明,LS-SVM具有较高的费用预测精度。     

基于LS-SVM的交通流量时间序列预测

针对城市交通“智能运输系统”。本文提出了基于最小二乘支持向量机(LS-SVM)方法的交通流量时间序列预测，并给出了基于最小二乘支持向量机方法的算法，与传统的神经网络相比，此方法简单易实现．通过实验表明。此方法确实效果好，能取得较好的预测效果。     

LS-SVM在状态监测数据趋势预测中的应用

介绍了最小二乘支持向量机（LS-SVM）回归算法的基本原理,并使用MATLAB6．5结合LS-SVM工具箱对某型雷达磁控管状态监测数据进行了预测。     

改进的蜂群LS-SVM故障预测

为了提高基于最小二乘支持向量机的故障预测精准度,提出了AFS-ABC算法,用于组合优化LS-SVM的规则化参数C和宽度参数σ.该算法将鱼群算法AFS简化模型中人工鱼的寻优更新方法引入到蜂群算法中,以互补优势、互克不足.通过100维Ackley函数验证了该算法在优化精度和搜索速度上较AFS算法与ABC算法的优越性,并以某航空电子系统电源模块记录电压数据序列的前40个作为LS-SVM模型的训练集,后15个作为测试集,利用MAT-LAB的LS-SVM工具箱进行状态预测仿真.结果表明,AFS-ABC算法较好地改善了LS-SVM的预测精度,同时解决了局部极值和寻优结果精度低的问题.     

基于道路工况预测混合动力公交车SOC开环控制策略

混合动力车辆一般采用基于荷电状态（SOC）闭环的控制策略,对蓄电池组进行频繁充电,使SOC维持在较高水平,影响制动能量的回收,从而导致燃油经济性不理想.为此,利用BP神经网络并结合城市公交运行特点,提出SOC开环控制策略,对公交车未来站点间的运行工况进行预测,减少蓄电池组的充电次数,降低蓄电池组的荷电状态.试验表明,采用该控制策略可以显著降低电池组充电时间和次数,有利于制动能量的回收,百公里油耗降低了3%.     

基于QGA-LSSVM的能源需求预测

能源需求预测是能源规划和政策制定的前提和基础,能源需求预测受到众多因素的影响。为了快速、有效的预测我国对能源的需求,采用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数进行优化,建立最优的能源预测模型。收集1997—2011年我国能源需求的相关数据作为训练样本和测试样本,对影响能源需求的指标数据,利用因子分析,对关联程度较高的指标数据进行公共因子的提取,减少判别指标间信息交互,通过预测模型的检验,并对比其他预测模型,验证了该模型在能源需求预测中具有极低的误差率。     

混合动力汽车电池管理系统SOC的评价

为建立混合动力汽车电池管理系统的需要，探索镍氢电池荷电状态(SOC)的实时测量和估计方法，分析当前一般SOC定义在变电流放电情况下出现不适应的原因，和现有各种荷电状态估计方法存在的问题。为此，根据能量守恒原理，提出了一种新SOC的概念，使之能很好地适应混合动力汽车用电池在变电流状态下的实时荷电状态估计，并且基于新的SOC定义，建立电池荷电状态计算模型，进行仿真分析，简化计算，明确物理意义，提高了SOC的判断精度，减少混合动力汽车的复杂性，减少整车的成本，为混合动力汽车系统优化匹配提供了依据。     

基于LS-SVM的热带气旋强度预报

建立了基于最小二乘支持向量机的热带气旋强度预报模型。针对机理建模和神经网络建模无法提供热带气旋强度预报的有效解决方案,研究了基于最小二乘支持向量机的回归模型。利用给定的热带气旋数据集,使用交叉验证和网格搜索的方法对最小二乘支持向量机回归模型进行了参数优化选择。实验结果表明,建立的热带气旋强度的12,24,48和72 h的预报模型,都满足了预定的误差要求。     

混合动力汽车镍氢电池组的充放电效率分析

以6.5 A·h/144 V60QNY6.5镍氢电池组为对象进行效率分析,搭建了混合动力汽车镍氢电池组综合性能实验台,进行了电池组充放电性能实验测试与数据分析;基于镍氢电池组性能实验结果,并考虑电池组环境温度,利用拟合技术得到了镍氢电池内阻与电动势的理论计算模型;结合电池与电机联合工作原理,提出了镍氢电池组效率的理论计算模型,为混合动力汽车系统控制策略的动态优化技术提供了理论基础.     

Research on catalysis of sodium-metallochlorophylls in Ni/MH battery

The effects of sodium-metallochlorophylls including sodium-iron chlorophyllin, sodium-copper chlorophyllin and sodium-magnesium chlorophyllin on performance of Ni/MH battery were investigated. The results show that sodium-iron chlorophyllin can effectively activate the gases produced during charge in Ni/MH battery, therefore reducing the reduction potential of oxygen and the oxidation potential of hydrogen, and the increased speed of inner pressure of battery is decreased significantly. With the aid of DMol3 software, the activation process of oxygen and hydrogen by sodiummetallochlorophylls was simulated and analyzed. It was found that the catalysis behavior is in agreement with the experimental results, and the activation process also gets a reasonable explanation from the calculated results.     

Thermal behavior simulation of Ni/MH battery

Thermal behavior of overcharged Ni/MH battery is studied with microcalorimeter. The battery is installed in a special device in a microcalorimeter with a quartz frequency thermometer. Quantity of heat and heat capacity of the battery charged at different state of charge (SOC) at different rates are measured by the microcalorimeter. Based on a series of assumputions, heat transfer equation is set up. Expression of heat generation is attained by curve fitting instead of theoretical calculation. Thermal model is used to simulate thermal behavior of the battery in charging period, results of calculation and experiment match very well. The temperature distribution is non-uniform because the poor conductivity limits the heat transfer during charging process. It is difficult to greatly improve the heat conductivity of the battery because it is related to materials inside the battery including electrodes, separators and so on. Therefore, high rate charge should be avoided in actual use. It may cause some damage to the battery. Supported by the National Key Basic Research and Development Program of China (Grant No. 2002CB211800)     

用F检验分析MH/Ni电池SOC估算方法的可靠性

用F检验分析MH/Ni电池的开路电压与放电能力之间的关联程度,结果F>Fa,表明电池的开路电压与放电能力之间有密切关系.并通过对不同SOC的电池试验得出MH/Ni电池开路电压与放电能力之间的一般关系式.     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

混合动力汽车用镍氢电池的散热结构分析

以混合动力车用镍氢电池为研究对象,利用计算流体动力学分析软件对现有电池组的散热结构进行了流场和温度场的仿真分析,研究结果表明现有电池组的温度场均匀性较差.通过调整挡板及电池的位置、改变电池倾斜角度和电池的间距、施加挡风结构、包覆保温层等方法改善了电池组冷却气流分布和电池组温度场均匀性,其中包覆保温层的效果最好.为混合动力车用镍氢电池热管理的设计提供了依据.     

高精度锂离子电池组电压采集及SOC预测

为了进一步提高锂离子电池组单体电池电压采集精度和荷电状态(SOC)预测精度,设计了优化型串联母线电压采集系统和改进型灰色非等间隔灰色模型SOC预测。电压采集系统通过光耦电路把电池动态加载到母线上,利用74HC595移位控制寄存器实现单体电池电压采集,再经过信号转换、隔离电路处理后由STM32F103ZET6 AD模块处理;SOC预测通过MATLAB建立模型,模型中的参数辨识采用粒子群优化算法。仿真和实验表明,本文设计电压采集系统硬件电路和软件操作更为简化,采集精度更高,易于拓展,SOC预测方法准确性高,有很强的工程适用价值。     

Energy management strategy for hybrid electric vehicle based on system efficiency and battery life optimization

A novel method to calculate fuel-electric conversion factor for full hybrid electric vehicle（HEV）equipped with continuously variable transmission（CVT）is proposed.Based on consideration of the efficiency of pivotal components,electric motor,system efficiency optimization models are developed.According to the target of instantaneous optimization of system efficiency,operating ranges of each mode of power-train are determined,and the corresponding energy management strategies are established.The simulation results demonstrate that the energy management strategy proposed can substantially improve the vehicle fuel economy,and keep battery state of charge（SOC）change in a reasonable variation range.     

一种估计混合动力用Ni-MH电池单体SOC的方法

搭建了混合动力汽车动力电池的性能实验平台,针对车辆实际行驶工况,在不同环境温度下对动力电池进行了相关充放电实验。利用实验系统采集到的动力电池电压与电流,采用自校正模糊神经网络控制算法对常温25℃下的动力电池荷电状态(State of Charge,SOC)进行计算,并与Arbin动力电池测试设备计算出的动力电池荷电状态进行了比较。理论分析和实验结果表明,采用自校正模糊神经网络控制算法计算出的电池SOC满足混合动力汽车电池SOC所需的精度要求。     

基于改进DAEKF的锂电池SOC和SOH联合估计

为提高锂离子荷电状态（state of charge,SOC）及健康状态（state of health,SOH）的精度,提出改进双自适应扩展卡尔曼滤波（dual adaptive extended Kalman filter,DAEKF）算法。基于二阶RC模型,建立空间状态方程;选取电池容量作为SOH的表征量,在双扩展卡尔曼滤波算法基础上引入改进的Sage-Husa自适应算法,实现系统协方差矩阵的实时更新;为降低系统计算量,进一步加入多时间尺度理论进行优化。实验结果表明,提出的算法能较准确地估计锂电池的SOC与SOH,SOC的平均误差为0.58%,SOH最大估计误差为0.8%,该算法正确有效。     

基于EKF算法的磷酸铁锂电池在线SOC估算

文章针对大倍率放电条件下,磷酸铁锂电池极化效应加剧变快的现象,考虑了电流对极化参数值影响的电池模型,基于改进后的电池模型,搭建了由dSPACE、可编程电源及电子负载组成的可控电池实验台架,并应用卡尔曼滤波理论对磷酸铁锂电池进行在线SOC状态估算;实验结果表明,改进后的电池模型提高了SOC估算的精度。