基于二阶近似扩展卡尔曼滤波的锂离子电池SOC估计

为提高电池荷电状态(SOC)估计的准确性,更高阶的扩展卡尔曼滤波(EKF)算法被用来估计SOC值。首先建立锂离子电池一阶Thevenin等效电路模型,采用样条函数来表述开路电压(OCV)和SOC值的函数关系。为更加精确地识别等效电路模型参数,提出一种新的带有可变遗忘因子最小二乘法(VFFRLS)的算法来在线识别模型参数。由于VFFRLS解的精度依赖于算法初始值的设定,为此采用改进粒子群算法求得模型初始参数值,进而得到更加精确的VFFRLS初始值。最后采用二阶EKF来估计电池的SOC值,以此提高估计精度。两组不同的数据集用来证明二阶EKF估计SOC值具有普适性。实验结果表明,二阶EKF在估计不同工况条件下的SOC值时,平均绝对误差(MAE)都保持在1%以内,由此证明了所提方法的有效性。

考虑失效特征的废旧零部件再制造成本预测模型研究

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归(LS-SVR)算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。

退役动力电池包柔性化拆解多机器人协同仿真研究

以退役动力电池智能拆解为研究对象,基于SolidWorks与RobotStudio联合仿真搭建了多机器人协同拆解工作站,根据不同作业场景设计了多种末端执行机构,结合3D相机识别定位、在线轨迹规划、自适应柔性夹持等功能精准地完成了对动力电池包拆螺钉、抓壳盖、取模组的模拟仿真,实现了动力电池包的多机器人柔性化协同拆解作业,有效地提高了动力电池包的拆解自动化程度和拆解效率,对动力电池包智能拆解装备的研发和应用具有一定的指导意义。

基于退役电池包的逆向重构研究

以退役动力电池包壳体为研究对象,采用EinScan HX激光扫描仪获取原始点云数据、Geomagic Control软件对点云数据进行处理、Geomagic Design软件重构三维数字模型,分析和总结了逆向重构过程中的关键技术。通过Geomagic Control软件分析了重构的三维数字模型与原始点云数据的误差,确认误差在±1 mm内,满足了退役动力电池包智能拆解系统对三维数字模型的精度要求。因此,精确的逆向三维重构技术对实现机器人自动化拆解有很好的指导意义,有利于退役动力电池包智能拆解技术的发展。

基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究

文章针对再制造批量小、实验所需样本不足的问题,提出一种基于半监督学习与最小二乘支持向量机回归的再制造成本预测方法。废旧机电产品的可用零部件分为可直接利用、可再制造加工利用和直接替换三种类型,以各类型零部件的比率和再制造复杂系数为输入,再制造成本为输出,建立半监督学习与最小二乘支持向量机回归相结合的再制造成本预测模型。利用k最近邻算法估计未进行再制造样本的成本,然后将未进行再制造的样本与已知再制造成本的样本代入方程组即可求出该预测模型。案例分析表明基于半监督学习与最小二乘支持向量机回归的成本预测方法能够在已知再制造成本的样本量较少的情况下对成本进行快速且准确的预测,是一种很好的成本预测方法。

基于作业成本法的机床再制造成本分析

针对传统成本分析中分配标准单一的不足,引入了作业成本分析法。将再制造过程费用按照作业动因进行分配,可准确计算出不同机床再制造过程费用。结合直接材料费和直接人工费,可得出不同机床的再制造成本,为决策者提供有效的成本信息。