基于忆阻神经网络的锂电池SOC检测技术研究

锂电池荷电分布状态(SOC)是衡量电动汽车锂电池状态的工作标准之一。在分析SOC检测技术的基础之上,提出了利用BP神经网络技术来构建电池组SOC数据模型的研究思路。并结合实际的仿真数据对BP神经网络进行了有效的改造,从而形成了以忆阻器为神经元突触的神经网络SOC检测体系。仿真结果表明,该方法适应性好,对实际具有良好的指导作用。

电动汽车锂电池SOC预测方法研究

为有效地对电动汽车锂电池荷电分布状态(SOC)进行预测,在分析与电池剩余电量相关因数,对动力电池组进行不同工况充放电试验的基础上,建立电池组的神经网络仿真模型。提出基于BP神经网络的电池剩余电量预测模型,利用模型可逼近任何多输入输出参数函数的性能,系统通过样本训练达到较好的仿真结果。与实验结果对比,仿真结果与实验基本吻合,验证了该方法的正确性.

质谱条件对蛋白质ESI-MS图谱荷电状态分布的影响

以脱辅基肌红蛋白质和还原性溶菌酶为研究对象,考察了射频透镜1电压等质谱条件对蛋白质ESI-MS图谱荷电状态分布(CSD)的影响。研究发现:在“较软”ESI条件下射频透镜1电压能在一定程度上显著改变ESI-MS图谱右左两侧两个分布的相对强度,而右左两侧两个电荷中心的相对位置基本保持不变,这种影响与溶液相中蛋白质分子的构象类型密切有关,本文对这一现象的机理做了探讨。