泰山望人松周围环境提升工程设计技术

泰山望人松周围历史上存留建筑垃圾较多,风景树种比例较少,刺槐等次生林种较多,林分季相变化不明显,人工林向自然林自然演替能力较差,树下花灌木种类、数量较少,景观单一。通过绿化、观景平台改建、自然石布置、水潭驳岸处理等环境提升工程,使望人松周围自然环境和历史文化底蕴十分和谐,体现了人工美和自然美的高度统一,望人松人文意蕴得到充分体现。

锂离子单体电芯内部短路缺陷模拟及其早期预警特征研究

为有效探测、预防锂离子电池热失控,对缺陷电池早期数据进行分析,提出一种内短路缺陷电芯预警识别算法。构建内部缺陷短路电芯,并探究其可靠性表征方法,采用恒电流间歇滴定测试提取内短路特征信号,发现放电过程特定区间开路电压差可有效应用于电池内短路特征预警算法,并对其准确率进行了验证,结果表明:在35%~40%放电深度(DOD)和70%~90%DOD区间内选定开路电压特征值20 m V,可以有效识别出内短路缺陷电芯。

车用锂离子电池电化学-热耦合高效建模方法

精确的电池模型是车用锂离子电池系统状态估计和能量管理的基础。电化学机理模型用途广、精度高,是下一代电池管理系统的重点研究对象。然而,目前电池电化学机理模型建立过程中存在参数获取困难、依赖后期参数标定等问题。为此,提出一种大容量车用锂离子电池电化学-热耦合高效建模方法。将电化学机理模型的参数进行分类,对可测量/辨识参数(几何尺寸、正负极初始化学计量比和固相颗粒最大嵌锂浓度等)进行精确的测量和参数辨识。利用不同温度下的脉冲充电试验来标定固相扩散系数Ds和反应速率常数k。进一步地,建立电池产热模型,搭建考虑温度影响的电池电化学-热耦合模型。不同倍率充放电、不同温度下的脉冲放电和动态应力工况测试下试验验证结果显示,所搭建的模型具有很好的精度和适应性,电压平均误差小于10 mV,温度平均误差小于1.1℃。参数敏感性分析结果显示固相扩散系数Ds的减小会导致电极颗粒内部锂离子浓度差变大,从而使得颗粒表面电势提前达到截止电压,降低电池容量;反应速率常数k的减少主要影响电池阻抗,将造成放电电压曲线整体下移和产热增加。所提出的建模方法可以快速高效地建立精度高、普适性好,成本低的电池电化学-热耦合模型。

基于COMSOL电动汽车安全预警研究

在车辆安全预警模型中,电池滥用和电池外部因素导致的电池失效容易识别出来,但是电池本身存在的问题很难通过数据特征判断。利用COMSOL模型拟合不同情况的电池变化,通过最小二乘法拟合出电压损失曲线,推算出影响电压变化的3类特征因子:欧姆过程、电荷转移过程、浓度活化进程,通过失效时刻的参数变化判断电池是否发生问题,可以在失效前进行电池信号安全预警,实现车辆的安全使用。

锂电池安全预警的神经网络算法研究

据不完全统计,2020年国内电动汽车起火案例已经超过100起,用户对于电动汽车的安全性关注程度剧增。为充分辨认电动汽车的安全程度,利用神经网络算法进行车辆安全预警分析,以反向传播算法为主体,通过多参数耦合方式来预判车辆发生安全问题的概率。通过外部因素,如车辆使用环境、用户习惯等;内部因素,如锂电池的老化、析锂情况等进行神经网络的参数叠加。为提高算法的准确性,使用海鸥算法对神经网络进行优化,在原算法的基础上,进一步提高神经网络收敛到期望误差的速度,增强全局搜索能力。在算法拟合上优化程度提升了99.75%,模型算法与输出结果相吻合。采用单个车辆对模型算法进行验证,通过优化模型可以准确识别车辆发生安全风险的概率。

基于CNN探测电动汽车电池内部缺陷分析

电动车辆发生安全事故后,其外部因素和非电池部件的影响因素很容易被识别出来,但是电池内部原因很难深入分析。利用电池缺陷设计正向试验,发现4类缺陷可能造成电池起火,通过电子计算机断层扫描探测识别出各类电池失效后的形貌照片。引入CNN(Convolutional Neural Network,卷积神经网络),将电池失效问题从人为判断转化为机器学习,以增加识别精确度,快速解决电池失效问题,并避免新产品出现同样问题。