改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。

基于SMBus的智能锂动力电池总线系统的实现

介绍了系统管理总线SMBus(Smart Manegement Bus),SMBus是智能电池系统SBS(Smart Baterry System)中升压单元、电池充电单元、控制单元、锂动力电池及外设之间的互连接口,它能对电池的充放电电流、电压、温度、容量等重要参数进行监测和控制。

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。

BDE-LSSVM在柴油机气门故障诊断中的应用

针对柴油机气门故障的诊断样本少和非线性数据特征等问题,最小二乘法的支持向量机(LSSVM)能够较好地进行诊断研究,但由于惩罚因子C和内核参数σ的选取对诊断结果影响较大,有必要对其进行参数优化,因此提出了基于二进制微分进化算法(BDE)的最小二乘法支持向量机算法。利用柴油机气门振动信号作为数据,经小波变换作为模型特征,建立了基于BDE-LSSVM故障诊断模型,并与基于遗传和基于粒子群算法的LSSVM模型进行柴油机气门故障诊断的性能对比。比较结果证明,基于BDE优化的LSSVM模型在故障特征选取前后具有更好的适应度值和稳定度,故障分类准确性高且运算速度更快。

Boost变换器PWM模糊滑模变结构控制器设计

针对Boost变换器的强非线性,传统控制方法不易取得良好的控制效果,设计了Boost变换器PWM模糊滑模变结构控制器。该控制器结合PWM调制、模糊推理和滑模变结构控制三者的优点,通过在线模糊逻辑推理调整滑模变结构控制的切换面参数,从而使系统状态点的滑模运动保持稳定,逐渐趋向平衡点,提高滑模变结构控制器的控制效果。通过Matlab仿真比较,该控制器较好地解决了系统抖振问题,具有良好的动态性和较强的鲁棒性。

单体锂动力电池的携行电台供电电源直流变换控制技术

提出一种基于脉宽调制技术和滑模变结构控制技术相结合的新型直流变换电源控制策略,设计了一种连续电流模式下的升压直流变换电源滑模变结构控制器,将3.2 V单体锂动力电池变换为满足携行电台供电要求的12 V工作电源。通过Matlab/Simulink环境下构建控制器仿真模型,并对负载电阻和输入电压变化情况下的控制器性能进行仿真实验,结果表明该升压直流变换电源滑模变结构控制器在大范围扰动情况下的输出电压变化并不明显,稳态误差较小,动态性能良好,鲁棒性强。

基于神经网络的柴油机故障诊断

智能化故障诊断是现代设备诊断技术发展的必由之路,也是当前诊断技术的发展方向。本文主要以BP网络和RBF网络的基本原理,利用Matlab神经网络工具箱,对基于BP网络和RBF网络分别进行柴油机的故障诊断,并且对两种算法的诊断结果进行了对比。