基于LS-SVM的混合动力镍氢电池组SOC预测

在电池管理系统中为了使荷电状态量SOC(state of charge)估计精确,提出以遗传算法优化最小二乘支持向量机(LS-SVM)的方法对电池的SOC进行预测的模型。在电池变流情况下对SOC进行研究,以标准工况下的实验数据作为样本,以电池的电流、电压及温度作为训练模型的输入,SOC作为输出建立模型,使之能很好地适用于混合动力汽车用电池在变电流状态下的实时SOC估计。研究结果表明:该预测模型预测精度高,其最大相对误差小于3%,平均相对误差小于2%,且与神经网络预测结果相比具有更强的实用性。

基于灰色关联分析和多元非线性回归的内螺纹铜管污垢特性分析

针对实验得到的相同工况下10根同内径的内螺纹铜管与1根铜光管的污垢情况,将污垢热阻比与螺纹数、螺距齿高比、相对粗糙度及螺旋角这4个几何参数进行灰色关联分析;以这些几何参数和污垢热阻比数据为变量参数,通过多元非线性回归,建立内螺纹铜管的污垢热阻模型;最后,依据该污垢热阻模型对内螺纹铜管污垢热阻的主要影响因素螺距齿高比进行机理分析。

机电类出口产品质量指数非线性自校正模型及其应用

为提高机电类出口产品质量测度的精度,对已有的质量估算方法进行修正,构建衡量机电类出口产品质量测度估计模型,并采用函数链神经网络对其非线性自校正。研究结果表明:各行业机电类出口产品质量指数大多在0以上,且分布较均衡,质量指数在高位、中位和低位上运行的行业各3种;各行业出口产品的平均质量指数总体上呈持续下降趋势,但其中4个行业出口产品的质量指数呈上升趋势,其他行业呈下降趋势;具有非线性自校正功能的机电类出口产品质量测度模型更能反映产品质量演进路径呈时间非线性变化实际趋势,可在较大程度上提高机电类出口产品质量测度精度。