面向SoC系统的可扩展UVM自动化验证平台

得益于设计IP的成熟可靠性,目前SoC系统能够基于设计IP实现快速构建。在SoC系统构建过程中,往往需要考虑从IP模块到SoC系统的功能验证。为了能够减小SoC系统构建与功能验证之间的项目压力,提出了一种可快速构建、可扩展、可复用的自动化验证平台。该平台基于UVM、Python、Mako技术,同时具备SV、UVM、C的测试能力,可以快速部署验证平台,有利于验证环境,标准化测试指令规范了测试代码。在不同验证层次中投入试用,有效节省了96.9%的构建测试平台时间,减少了66.2%的测试框架代码,减少了66.4%的测试用例代码。该平台已作为独立EDA产品,参与到多个芯片研发。

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。

考虑时变线阻的多储能SOC稳定均衡控制策略

在直流微电网中,由于线路阻抗大小差异的复杂化,难以保证各储能单元之间达到荷电状态(state-of-charge,SOC)均衡。为此,提出一种考虑时变线阻的SOC均衡改进控制策略。首先,通过线路阻抗和SOC幂指数构造的平衡因子来修正控制系数,提高SOC的辨识度。同时,利用输出电流来约束平衡因子,提高系统的抗扰能力。在SOC均衡之后,SOC平衡因子G变为1,此时依赖线路阻抗信息但不受线路阻抗变化影响,可平稳地保持电流分配。并且结合输出电流构造的电压补偿环节有效地解决了母线电压质量和SOC均衡控制效果之间的矛盾。其次,针对基于SOC均衡的改进控制策略易受恒功率负载影响的问题,利用混合势函数理论进行建模,得到稳定性判据,有利于保障系统的稳定运行。最后,仿真结果表明,所提出的改进下垂控制能够有效地消除线路阻抗的影响,提高电流分配精度,实现SOC均衡,并验证了在各种突发扰动及极端情况下所提控制策略的有效性和正确性。

面向动力电池SOC估计的时间卷积优化网络

在电动汽车的实际驾驶场景中,由于复杂多变的运行条件和动力电池的非线性,对电池荷电状态(SOC)的准确估计存在较大的误差,从而造成车主的里程焦虑。针对上述问题,提出了一种时间卷积优化网络(TCON)方法,用于实时估计动力电池SOC。首先,建立无归一化的时间卷积网络(TCN)模型,通过并行计算提取时序信息,具有参数少、精度高的优点。其次,为了解决TCN输出波动性较强的问题,设计了时间优化模块(TOM),该模块通过生成时序优化权值,对TCN输出进行优化,有效抑制数据噪声,进一步提高了预测精度。最后,使用电动汽车实时运行数据集进行验证。实验结果表明:文中所提方法与TCN相比,在仅增加5.8%的参数量的前提下减少了18.3%的误差;SOC估计的平均绝对误差小于1%,均方根误差小于2%,为SOC提供了更准确的估计,在一定程度上缓解驾驶员的里程焦虑。

温度自适应SMO算法估计锂离子电池的SOC

现有对锂离子电池荷电状态(SOC)的估计,没有考虑温度变化导致的SOC估计准确度降低。提出一种考虑温度的滑模观测(SMO)法进行SOC估计。基于混合脉冲功率测试(HPPC)实验的数据,得到18650型LiFePO4锂离子电池的SOC与温度、参数之间的拟合式,通过台风(Typhoon)系统进行半实物实验分析。温度自适应SMO算法在低温或常温工况下的平均误差较传统SMO算法降低0.3~0.5个百分点,直接通过拟合式所快速估计的SOC较温度自适应SMO算法平均误差在2%左右,常温25℃工况下误差低于1%,能够实现较高的估计精准度,为快速估计SOC提供了较好的算法参考。

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

基于多新息扩展卡尔曼滤波的锂离子电池SOC估计

锂电池具有高能量密度、循环寿命长等优点而被广泛应用于电动汽车动力装置,但车辆运行状况复杂多变,且电池内部呈现高度非线性的性质,导致电池荷电状态(state of charge, SOC)难以准确计算。为优化锂电池SOC估计精度,构建结合Warburg元件的分数阶二阶RC模型,采用自适应遗传算法进行参数辨识;融合多新息理论和扩展卡尔曼滤波算法,提出基于多新息扩展卡尔曼滤波(multi innovation extended Kalman filter, MIEKF)的锂离子电池SOC估计算法,并利用试验数据验证该方法的有效性,为提高SOC估计精度和车载锂电池的循环使用寿命提供了新的方法途径和实践支撑。

穿石通痹汤通过调节GABRB1-SOCS1/JAK1/STAT3信号途径对CIA模型大鼠关节炎症损伤的影响

目的 探讨穿石通痹汤对胶原诱导性关节炎(Collagen II induced arthritis,CIA)模型大鼠关节滑膜免疫炎性损伤的疗效及作用机制。方法 SPF级雄性SD大鼠,体质量(200±10)g,采用大鼠尾根部注射牛CⅡ方法制备CIA模型,将成模大鼠按随机数字表法分为模型组、阳性药组、穿石通痹汤组,每组各6只,另取6只未造模大鼠作为正常组。正常组与模型组隔日予去离子水10 ml/kg灌胃,阳性药组予甲氨蝶呤注射液每周0.5 mg/kg腹腔注射,穿石通痹汤组按生药量11.2 g/kg隔日灌胃给药,连续干预4周后处死大鼠,采集血浆、膝关节滑膜及踝关节标本。以HE染色观察大鼠踝关节病理变化;采用Westernblot检测大鼠膝关节滑膜pJAK1、JAK1、p38、GABRB1的蛋白表达水平;ELISA检测血浆IL-6,STAT3,SOCS1表达水平;并采用UHPLC-Q-Exactive Orbitrap MS分析血浆代谢物成分。结果 与正常组比较,模型组大鼠踝关节滑膜明显增生、严重骨质破坏以及炎性细胞浸润;与模型组比较,穿石通痹汤组大鼠关节骨质破坏、关节病变整体评分明显改善。与正常组比较,模型组GABRB1、SOCS1蛋白表达水平显著降低(P<0.01),p38、pJAK1、IL-6,STAT3蛋白表达水平明显升高(P<0.01,P<0.05);与模型组比较,穿石通痹汤组及阳性药组GABRB1、SOCS1蛋白表达水平均显著上调(P<0.01,P<0.05),并明显抑制p38、pJAK1、IL-6,STAT3的蛋白表达(P<0.01),且穿石通痹汤组对GABRB1的上调作用及pJAK1抑制作用显著优于阳性药组(P<0.01);血浆代谢物分析发现甘油磷脂代谢、花生四烯酸代谢、鞘脂代谢等代谢途径及其中50个代谢产物与本病发生密切相关。结论 穿石通痹汤能有效改善CIA模型大鼠关节滑膜免疫炎性代谢性损伤,其机制可能与调节GABRB1-SOCS1/JAK1/STAT3信号途径,调控脂质代谢途径相关。

面部激素依赖性皮炎患者外周血单一核细胞SOCS1、CKLF1的表达及祛风清热凉血方的疗效

目的:探讨SOCS1、CKLF1在面部激素依赖性皮炎(FCDD)患者与正常人外周血单一核细胞(PBMC)中的表达差异及其与部分相关实验室指标和病情评分的相关性;探讨祛风清热凉血方在FCDD中的治疗作用机制。方法:采用实时荧光定量PCR的方法,对50例FCDD组与40例正常对照组空腹PBMC中SOCS1、CKLF1 mRNA的表达量进行测定分析;并对FCDD组予祛风清热凉血方进行治疗,观察治疗前后SOCS1、CKLF1 mRNA水平。结果:PCDD组PBMC中SOCS1、CKLF1 mRNA的表达量均明显高于对照组,差异有统计学意义(P<0.05);PBMC中SOCS1、CKLF1 mRNA表达量与FCDD病情评分呈正相关(P<0.05);FCDD热毒炽盛证患者外周血中SOCS1、CKLF1 mRNA表达量经祛风凉血方治疗2 w时较治疗前、治疗4 w时较治疗2 w时均明显降低,差异有统计学意义(P均<0.05)。结论:SOCS1,CKLF1可能参与了FCDD的发病过程;祛风清热凉血方对FCDD的治疗具有良好的疗效。

基于DKF-Bi-LSTM的阀控式铅酸电池SOC在线估计方法

精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通过卡尔曼滤波算法对模型参数进行动态跟踪,进而基于扩展卡尔曼滤波算法在线估算电池SOC值。将在线估算结果、电流、电压、温度值作为Bi-LSTM神经网络的输入,电池SOC预测值作为网络输出,实现对电池SOC的在线估计。经测试发现,与DKF和Bi-LSTM算法相比,DKF-Bi-LSTM算法的SOC预测均方根误差更小,其SOC在线估计方法具有更高的准确性。

基于AR-ECM平均差异模型的串联电池组SOC、容量多尺度联合估计方法

考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。

21700锂离子电池在不同SOC下的热失控实验研究

为提升电池热安全、减少新能源汽车热灾害,揭示不同荷电状态(SOC)下对电池热失控危害的影响机制。在SOC为100%~0%几个荷电状态下研究了21700锂电池的热失控特性,包括电池在热失控当中的表面温度、工作电压、质量损失、能量、TNT当量和破坏半径等。结果表明:电池的温升幅度随SOC的增大而升高,高电量电池热失控触发所需的时间更短,100%SOC电池在603 s触发热失控,相比于25%SOC缩短了59.1%,其危险系数更大;SOC越大,电池热失控后的质量损失也越大;电池热失控过程释放的能量、TNT当量与破坏半径均随SOC的增加而增大,电池的热失控危害性与SOC之间呈现出正相关关系。

基于SOC的串联连接锂电池能量均衡控制研究

串联锂电池的SOC均衡控制对提高电池寿命具有重要意义。针对锂电池单体SOC表现出离散性的不同情况,本文研究了一种主动均衡与被动均衡相结合的混合均衡方案,其中主动均衡器拓扑由多绕组反激变换器实现,被动均衡器由电阻与开关组成并联在单体电池两端,详细分析了混合均衡器的工作原理。在控制策略上讨论了锂电池SOC的离散性对均衡速度的影响,引入表征SOC离散度的标准差和表征离散原因的系数以实现SOC不同离散情况下的快速均衡。所提出的混合均衡器拓扑和控制方案能够使耗能与均衡速度获得优化,实验结果验证了文中理论的可行性。

基于双模型混合的电动汽车SOC和剩余里程估计

为了缓解电动汽车车主里程焦虑的问题,本文提出了一种基于滤波器和神经网络混合的电动汽车荷电状态(SOC)估计方法,该方法可以准确估计电动汽车SOC和剩余里程。首先,利用降维算法和分类算法从实车数据集中分离出5类能够反映车辆能耗的驾驶行为作为模型输入的一部分。其次,搭建卡尔曼滤波和双层双向长短时记忆神经网络结合的混合模型,该模型可以降低实时数据的噪声,并结合历史数据计算电动汽车SOC和剩余里程。最后将不同的模型输入特征和模型结构作对比,证明提出方法具有较高的精度。

基于WMIAEKF的锂离子电池SOC与容量联合估算

精确的荷电状态(SOC)估算对可靠的电池管理系统来说十分关键。基于二阶等效电路模型,提出了一种加权多新息自适应扩展卡尔曼滤波(WMIAEKF)算法,该算法可以解决传统多新息算法中误差累积的问题,从而提高SOC估算精度。实验仿真结果表明,所提算法比传统的自适应扩展卡尔曼(AEKF)以及多新息自适应扩展卡尔曼(MIAEKF)精度要高,最大误差控制在1.15%以内。此外,基于该算法提出了一种改进的多时间尺度双卡尔曼滤波算法,其中,WMIAEKF用于SOC估算,AEKF用于容量估算,两者结合对电池的SOC和容量进行实时的联合估算。所提算法能够对电池SOC以及容量进行较精确的估计,在新欧洲行驶工况(NEDC)下,SOC估算误差始终控制在1.2%,并且在面对错误容量初始值时也能保持较好的鲁棒性。

基于高阶EKF的锂电池SOC测算精度研究

锂电池荷电状态是电池管理系统运行的前提和核心任务,为能够准确跟踪测算电池SOC值,以18650-20R型锂电池为主要研究对象,建立二阶Thevenin等效电路模型,经脉冲特性实验对电路模型参数进行辨识,在恒流、脉冲放电及Fuds工况下验证模型的准确性,并在此基础上实现了利用一阶、二阶及高阶EKF算法对电池荷电状态的估计。最后通过Matlab仿真结果验证,高阶EKF在锂离子电池动静态SOC测算时均具有更高的测算精度。

基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

遗传算法优化理论在航空锂电池SOC测算中的应用

本研究基于遗传算法优化的控制理论,探讨了其在航空锂电池SOC测算中的应用。通过对锂离子电池充放电过程进行深入分析,结合遗传算法优化方法,提出了一种改进的SOC测算模型。该模型综合考虑了电池特性曲线、温度、电流等多种因素,提高了SOC测算的准确性和稳定性。本研究不仅在理论上对SOC测算进行了深入研究,还通过实验验证了所提方法的有效性,为锂离子电池的精准管理提供了重要支持。

基于等效电路与数据驱动模型的锂离子动力电池SOC估计技术

该文以二阶等效电路模型作为电池工作特性描述模型,分别利用无迹卡尔曼滤波算法、基于Sage-Husa自适应滤波思想的SR-AUKF算法估算锂电池的SOC值,对不同初始值条件下、不同噪声方差下2种算法的SOC估计及绝对误差曲线进行对比分析。而后在数据驱动模型下,在单独利用门控循环单元神经网络算法估算SOC后,再将之与无迹卡尔曼滤波算法组合应用,对不同工况及温度条件下2种算法的SOC估计结果及绝对误差进行比对,得到等效电路模型、数据驱动模型下锂离子动力电池SOC估计的最佳算法。

基于卡尔曼滤波的动力电池SOC估算

由于传统无迹卡尔曼滤波估算方法具有局限性,为了能准确估算动力电池荷电状态(state of charge,SOC),提出了一种基于无迹卡尔曼粒子滤波的动力电池SOC估算方法.以三元锂电池为研究对象,建立了电池二阶RC等效电路模型,通过对电池进行充放电试验辨识出模型参数,并验证模型准确性.采集了实际工况下的电池数据,分别用无迹卡尔曼滤波算法、粒子滤波算法和无迹卡尔曼粒子滤波算法估算电池SOC,在MATLAB中进行了仿真试验,并对估算的电池SOC进行比较.结果表明:无迹卡尔曼粒子滤波算法可以快速准确地估算出电池SOC,误差小于2.5%,优于另外2种算法.