基于1dCNN-LSTM量化单体异常性的动力电池故障诊断方法

准确的动力电池单体性能评估对保障动力电池安全具有重要意义。目前基于数据驱动的电池故障诊断算法,大多对各单体电池进行相互比较,根据各单体电压等特征参数之间的差异,使用分类算法将离群单体认定为故障单体。然而当动力电池包内有多个异常表现相似的电池单体,或所有单体性能整体恶化时,难以区分甚至没有显著离群的个别单体,相互比较策略的应用范围受到限制。本文提出了一种基于1dCNN-LSTM量化单体异常性的动力电池故障诊断方法,结合车辆运动状态、驱动系统状态及动力电池电信号3类特征,建立1dCNN-LSTM融合模型估计理想状态下的单体实时电压参考值,根据各单体电压实测值与参考值之间的差异,量化各单体异常性。结合实际案例表明,对于因单体故障导致热失控的案例,本方法可以提前7日识别故障单体相比其他单体的明显异常,且可以在距离事故发生1年前甚至更早的放电片段中发现潜在风险;针对无明显单体不一致的整体恶化案例,可以实现事故发生前7日内的整体性能恶化过程跟踪。

动态场景下基于3D多目标追踪的实时视觉SLAM方法研究

近年来一些解决动态场景下的SLAM技术被提出,其中SLAM与MOT结合的技术路线不仅可解决动态场景问题,还可以提高系统对周围场景的理解,获得了更大关注。本文介绍了一种高效的实时在线视觉SLAMMOT融合系统,以双目视觉或RGBD作为输入,只须借助2D目标检测网络,便能高效、准确、鲁棒地跟踪相机以及动态目标的位姿,并生成稀疏点云地图。为提高多动态目标追踪的精度与准确度,引入了级联匹配与IOU匹配结合的策略;利用阿克曼转向模型来简化追踪目标的运动,减少求解动态目标位姿所需匹配点的数量;利用因子图将相机与动态目标的追踪结果进行联合优化,同时提高相机、追踪目标的位姿和地图点的精度。最后在KITTI跟踪数据集上与其他方法进行比较。结果表明,在满足实时性要求的前提下,该方法仍能准确地追踪相机以及动态目标位姿。

融合语义信息与物体级几何特征的实时动态激光SLAM算法

针对现有的激光SLAM算法在动态场景下鲁棒性差、定位与建图精度易受动态物体干扰的问题,提出了一种融合语义信息与物体级几何特征的实时动态激光SLAM算法Object-SuMa。首先通过地面滤波、物体分割、方向包围盒解算等过程,生成物体级几何特征并表示为纹理,用于并行计算和修正物体内部错误的语义分割结果;然后在配准过程中分解计算方向包围盒间的IOU,并基于包围盒IOU和语义分割结果引入物体级几何加权和语义加权,减少误匹配和动态点匹配;借助图形渲染管线构建并行计算过程,进行地面点配准和非地面点配准两步优化,降低计算复杂度和耗时;最后在KITTI里程计数据集测试表明,Object-SuMa算法相比SuMa++算法的相对位姿估计精度提升15%,ICP平均耗时下降17%,改善了动态场景下的激光SLAM定位精度和鲁棒性。

基于因子图优化的激光惯性SLAM方法研究

融合激光雷达和惯性测量单元的SLAM方法是拒止环境下自动驾驶定位建图的重要技术手段。该技术包含前端和后端2个数据处理模块,在后端数据处理方面,现有方法存在长时间运行时累积误差较高、回环检测计算负载较大以及复杂拒止环境下鲁棒性不理想等问题。针对上述需求,提出一种适配前端激光惯性里程计的新型后端数据处理方法。该方法采用因子图优化算法架构,建立激光连续关键帧间的惯性单元预积分模型,将该模型作为因子图架构中表征惯性单元数据的算法因子,降低数据处理的计算负载。构建基于Scan-Context描述符的高效回环检测方法,将点云数据三维空间结构特征转化为二维特征图,在保证回环检测精度的前提下进一步提高计算效率。结合前端里程计信息,构建包含里程计因子、惯性单元预积分因子和回环检测因子误差项的目标函数,通过非线性优化算法求解最优位姿状态,形成完整的SLAM算法结构。对所述方法及FAST-LIO2、LIO-SAM和SC-LeGO-LOAM等现有主流激光惯性SLAM方法基于开源数据集进行对比验证,并开展实车试验。结果表明:相较于现有方法,所述DSC-Algo方法在公开数据集测试中的计算性能和全局定位精度实现了显著提升,在现实拒止环境实车测试中的定位精度和算法鲁棒性也具有明显优势。

融合K-means聚类和序列分解的实车锂电池剩余使用寿命预测

电动汽车锂离子动力电池健康状态(SOH)衰退过程受使用工况影响存在较多波动,导致模型预测精度下降,在锂电池剩余使用寿命(RUL)短期预测时,SOH波动情况不可忽略,为了准确预测SOH短期内波动情况,须从实车上传的锂电池运行数据中提取有效的健康因子。本文建立一种联合分布特征输入和序列分解融合的锂电池RUL预测方法,使用K-means聚类方法构建车辆锂电池运行过程的联合分布特征,并通过S-G滤波器对SOH衰退曲线进行序列分解,分别使用长短时记忆神经网络(LSTM)和多层感知机(MLP)对趋势部分和波动部分进行预测,融合得到最终预测结果。理论分析和实车采集数据验证表明,融合模型可以在预测车辆锂电池RUL短期衰退趋势的同时预测SOH的波动情况,有较高的短期预测精度。

基于相似性优化模型样本的实车锂电池健康状态分析

为更好地解决电动汽车动力电池健康状态(SOH)在线估计问题,减少实车采集数据中的冗余样本,改善运行工况不稳定导致的特征丢失,提升实车电池SOH估计的精度,提出一种基于增量容量分析方法(ICA)提取特征和动态时间规整(DTW)优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线,以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据,基于IC曲线形状计算电池充电循环样本的相似度,保留与基准充电循环相似的充电循环数据,优化训练样本,最后采用全连接神经网络(MLP)模型进行SOH估计。以实车运行电池数据进行对比实验,结果表明该方法可明显改善训练样本质量,提升电池SOH估计精度。

动力电池包局部复式模组热均匀性分析

乘用车动力电池包的模组布置方式通常具有单层布置、复式布置和局部复式布置3种不同的形式。局部复式布置结合了其他两种方式的特点,应用较为广泛。然而,通过对电动汽车火灾事故的研究发现,采用局部复式布置的电池包在自燃事故中所占比例较高,这表明该布置方式可能会对电池模组的热均匀性产生不利影响。鉴于此,本文选取了一款采用局部复式布置的电动汽车电池包作为研究对象,建立了电池包三维数值模型,并通过实验数据与仿真结果进行比较,验证了模型的准确性。利用经验证的模型,通过数值计算方法分析了电池包在快充及3种放电速率下的模组温度分布特征,揭示了局部复式布置模组在这些工况下的热均匀性,尤其是局部复式模组中双层模组的温度差异比单层模组更大。此外,探讨了冷却液入口温度和流速分别对模组热均匀性的影响。研究发现:试图降低冷却液入口温度来改善模组热均匀性的效果有限;而增大冷却液入口流速只能在高放电速率工况下减小模组温度差异,在低放电速率工况下的影响不明显。本研究为局部复式模组的电池热管理系统开发和设计提供了有意义的参考。

基于非线性降维IC特征的实车电池SOH估计

基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。

质子交换膜燃料电池五边形挡板流场结构优化与性能改进

为有效提高燃料电池(fuel cell,FC)的性能,提出一种在阴极处具有五边形挡板的新型流场(flow field,FF)设计。为了解五边形挡板的加入对FC内部传质过程的影响,开发了一个三维、多相、非等温稳态模型,将多孔层结构引起的各向异性传输性质和催化层实际团聚体结构的非均质特性耦合到模型中,研究了挡板高度变化时FC性能的变化。结果表明,五边形挡板增强了流道的传质性能与气体分布均匀性。随着挡板高度增加,流道的传质性能、排水性能以及气体分布均匀性增加,高度100%(H100)的挡板由于与气体扩散层直接接触,堵塞了排水通道,因此其保水性能最好。在相对湿度为50%情况下,H100的FF结构具有最大的净功率密度,与原始FF(H0)相比,净功率密度增加17.778%。

非均匀热环境人体局部热响应对整体热感觉影响差异性分析

在车辆智能化与电动化趋势下满足人体热舒适性和车辆节能性双向需求是乘员舱区域化热环境管理的重要优化目标。尤其在高度非均匀“热-流”特性狭小空间环境中,只有正确认识并量化人体局部受热、响应和热需求的差异性与相关影响,才能高效地优化乘员舱热环境。为此,结合人体自身物理和生理热调节特性及其与乘员舱环境传热关系,建立人体热响应数值分析模型,分析非均匀局部气流作用下人体皮肤温度和热感觉变化规律,并应用影响因子分析方法量化局部与整体热感觉关系特征,得到局部气流作用状态对人体整体热感觉影响的不同关键部位。结果表明,在相同强度冷/热激励下,人体头部和手部是影响人体整体热感觉的主要部位,二者皮肤温度和热感觉变化幅值最大;高温环境中局部冷却作用需求的关键部位依次为头部、手部、前胸和后背,偏冷环境中局部加热作用需求的关键部位为头部、手部和脚部。

实车数据驱动的锂电池剩余使用寿命预测方法研究

锂离子动力电池剩余使用寿命(RUL)预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法,本质上是一个递推的过程,每一次预测的误差会随预测次数增加而累积,难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论,建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法,使用编码器-解码器(ED)框架改进长短时记忆神经网络模型(LSTM)构建从序列到序列预测的EDLSTM模型,并融合ARIMA模型预测误差趋势,进而修正最终预测结果。理论分析和实车采集数据验证表明,该方法在预测比例超过历史数据总量35%的情况下,仍然能较好地拟合实车SOH衰退曲线,有效提高锂电池剩余使用寿命的预测精度。

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中,自动驾驶车辆容易出现频繁的误减速、误避让,而造成通行能力和乘员舒适性的下降,提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层,根据切入场景中主旁车的冲突性关系,联立相关车辆运动方程建立整体系统的运动模型,构建考虑旁车状态的切入博弈模型,设计安全性和舒适性收益函数,进行驾驶行为博弈,输出行为决策结果。在轨迹规划层,根据车辆间距构建避障约束条件,以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求,建立轨迹规划数学模型,求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明,在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策,准确完成切入场景下的运动规划任务,车辆能准确跟踪输出的轨迹,更符合一般驾驶习惯,提高了车辆的舒适性。

基于Aseq2seq-PF的实车锂离子动力电池剩余使用寿命预测

锂离子动力电池剩余使用寿命(RUL)预测可评估电池未来状态,实现指导电池维护和降低故障危害。实车工况中电池循环条件不受控制,动态运行条件下的RUL预测仍存在杂乱数据处理困难、预测结果精度较差且无法兼顾老化不确定性等问题,提出注意力机制序列到序列-粒子滤波(Aseq2seq-PF)混合模型,选取公共荷电状态(SOC)充电区间获取归一化容量,采用迭代和直接的融合预测策略,Aseq2seq模型作为迭代部分实现容量序列精确预测,粒子滤波(PF)模型作为直接部分实现容量波动的不确定性预测,外推容量衰退趋势预测RUL。经实车动力电池数据验证,公共SOC充电区间有效获取了清晰容量衰退趋势,混合模型提高了容量衰退长期预测精度,具有良好鲁棒性,对比已有模型平均绝对误差下降56%以上,且输出满足不同应用需求的置信区间,实现老化不确定性描述。

矢量-角度几何映射的方向重要抽样分布函数近似化方法及多失效模式可靠性分析

方向重要抽样法是一种结构可靠度模拟方法,适合评估非线性、多维度的复杂结构可靠性问题。然而对于多维度问题,利用接受/拒绝方法获得重要矢量样本,效率较低且可执行性差。因此,需要改进或重新构造易于抽样的分布函数。通过概述现有的分布函数,利用插值方法近似构造基于矢量-角度几何映射的分布函数,利用一维拉丁超立方方法对重要角度均匀抽样,再映射到重要矢量样本,得到的矢量样本具有分层均匀性,避免了聚集现象,同时覆盖整个样本空间。该方法有效应用于多设计点和多失效模式的可靠性问题分析中,进一步制定了样本分配方案。通过非线性数值算例和车身结构工程问题验证了该方法的适用性和准确性。

燃料电池模型多尺度参数双代价函数的全局灵敏度分析

质子交换膜燃料电池半经验模型存在较多未知经验参数,且其尺度和取值范围均相差较大,在全局灵敏度分析中局部高灵敏度信息易丢失,从而导致结果存在偏差。为此,构造了互为倒数的双代价函数。在原代价函数基础上计算全域内经验参数与响应误差的相关性,利用Sobol方法均匀采样进行首次全局灵敏度分析,筛选整个取值范围内高灵敏度(即影响收敛速度)参数;进而利用倒数代价函数放大局部区域的误差相关性,对于剩余全域不敏感参数,进行倒数代价函数的再次全局灵敏度分析,筛选出局部取值范围内高灵敏度(即影响收敛精度)参数。从而提高了多尺度多局域高灵敏参数识别能力。分析结果证明了所得高灵敏度参数辨识后模型的响应误差与全参数辨识的结果一致,可节省约60%的计算成本。该方法的适用性和准确性在电堆实验中均得到了有效验证。

汽车前纵梁薄壁结构碰撞吸能特性及其优化的研究

阐述了汽车前纵梁薄壁结构碰撞吸能特性的研究方法和研究现状,总结了板厚、材料性能、截面形状、结构形态和连接方式等因素对其碰撞吸能特性的影响。探讨了前纵梁激光拼焊板各部位板厚的多目标优化设计,并给出设计算例。

基于正交试验的汽车覆盖件冲压工艺参数优化

将正交试验设计方法与冲压数值模拟相结合,综合评估了冲压过程中的压边力、摩擦系数、模具间隙和冲压速度等对汽车覆盖件冲压成形质量的影响,并确定优选的工艺参数组合。以汽车翼子板为例,建立了冲压件和模具的计算机辅助工程模型。运用正交试验方法进行仿真计算方案的设计,通过对仿真数据的方差等分析,找到了最优的工艺参数组合。所得结论对冲压工艺的设计具有指导意义。

不同滥用条件下车用锂电池安全性实验研究

为提升电动汽车的使用安全性,揭示极端情况下三元锂电池热失控的发生机理与行为特点,对某一12 A·h车用三元锂电池进行过温、过充和内短路等3种不同滥用条件下的热失控实验,探索热失控过程中电池电压、温度等关键参数的变化,对比分析3种热失控行为的特点。结果表明,三元锂电池热失控有明显的触发演变过程;电压突然急剧升高又迅速急剧下降的异常变化可作为判断过充热失控是否发生的条件;过充热失控发生到电池剧烈燃烧之前存在一定的反应时间;相同条件下,过充热失控的剧烈程度和破坏程度要大于内短路和过温热失控。最后基于实验结果,提出改善车用三元锂电池在热、电、机械等滥用条件下安全的建议。

钢铝混合汽车前纵梁的耐撞性优化方法比较

为了解决汽车前纵梁碰撞时峰值碰撞力和吸能量之间的矛盾,通过对前纵梁前端使用铝合金、后端使用高强度钢板,提出了一种钢铝混合前纵梁结构.以纵梁两端所用材料类型及厚度为组合变量,建立了该结构轻量化和耐撞性多目标优化问题的数学模型,并对多项式、Kriging和径向基函数(RBF)3种常用近似模型解决该特定问题的适用性进行了研究.结果表明,RBF更适合作为近似模型解决材料类型和板厚的组合优化问题,且优化后的前纵梁结构能在改善耐撞性的同时,显著提高轻量化水平.

钢铝板材压-胶复合连接性能

为提高钢铝混合轻量化车身结构中钢和铝异种材料的连接性能,对钢铝板材的压-胶复合连接技术进行仿真与实验研究.以A5052铝合金板和Q235钢板为被连接件,环氧树脂为胶粘剂,采用内聚力模型模拟胶层的失效行为,建立压-胶复合连接的剪切和剥离仿真模型.在实验验证仿真模型有效性的基础上,基于响应面近似模型对连接工艺参数进行多目标优化,得到关于剪切强度和剥离强度的Pareto前沿解集以及各参数的优化组合.结果表明:优化解集中的多个工艺方案均能保证连接点剪切强度在9 400 N以上,而剥离强度均在700 N以上.实验证明钢铝板材压-胶复合连接强度比无胶单独的压力连接提高一倍以上,且可以达到同条件下钢板焊接拉伸强度的80%左右.