基于空间信息的GE O卫星蓄电池充电优化控制

以提高GEO三轴卫星氢镍蓄电池充电效率为目的,首次将卫星、太阳的空间信息与卫星蓄电池充电结合起来,设计了基于空间信息的蓄电池最佳补充充电方法,建立了极值法预测蓄电池充电最佳时段的解算模型,并仿真验证了蓄电池最佳充电时刻与蓄电池壳温最低时刻的一致性。在轨应用表明,采用地面解算模型充电与星上自主充电相比,有效充电容量提高了5倍,解决了常规地面蓄电池补充充电不能满足星上能源需求的难题。     

基于制动边界与意图识别的再生制动策略

有效的再生制动策略能够增加电动汽车回收能量,提高其续航能力。通过汽车制动动力学以及相关法规的分析,提出了基于边界最大化的再生制动力分配策略,建立了基于制动踏板深度、车速、SOC的模糊制动意图识别模型,识别驾驶员制动意图;建立了基于电机效率曲线的电池充电保护模型,限制电池充电电流。通过对Cruise仿真平台的二次开发,研究本文提出的再生制动策略对于电动汽车续驶里程的影响。在新欧洲行驶循环(NEDC)条件下,该策略能够增加电动汽车续驶里程7.8%;在美国联邦环保局测试工况(FTP75)条件下,该策略能够增加电动汽车续驶里程27.3%。     

基于神经网络及深层充电的电子通量反演模型

为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络（ANN）建立了一种由深层充电反演空间高能电子环境的模型。以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性。同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估。     

一种基于STL-Prophet-Informer模型的太阳电池阵多变量趋势预测方法

为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess, STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量,然后采用对趋势性数据预测效果较好的Prophet预测趋势分量,Informer模型预测周期分量和残差分量,最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析,提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小,将该组合预测模型用于太阳电池阵多变量参数预测中,可以提高参数预测精度,提升卫星自主运行性能.     

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。      

基于BP神经网络的介质表面充电电位反演方法

为了实现全面、实时的在轨卫星充放电风险分析,基于在相同环境下,不同材料表面充电的关联性,利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入,其他介质材料的表面电位作为模型输出,使用COMSOL建立的表面充电模型对神经网络进行训练,将反演误差降低到10%以下,并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性,结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。     

基于张量分解的动态Web服务推荐

在服务计算领域中,为了能够在大量具有相同功能的Web服务以及API等数据资源中选择适合用户的服务和接口,提出了服务推荐系统。当前常用的基于服务质量（QoS）的服务推荐系统所采用的模型假定服务的QoS值恒定不变,是一种由服务和用户的二元关系构成的二维静态模型。针对实际应用中,QoS是受到多种因素影响的变量这一问题,提出了一种可以描述多个影响QoS因素的张量模型,并利用张量分解算法来对服务推荐算法进行了改进。实验结果表明:提出的基于张量分解的服务推荐算法与6种现有算法相比较,预测服务的QoS值的绝对平均误差（MAE）不同程度地降低了20%~50%,并且所建模型能够描述更多的影响因素,从而可对服务进行动态推荐。      

电动汽车双边LCC无线充电系统传导电磁干扰

对电动汽车双边LCC拓扑结构无线充电系统传导电磁干扰进行研究，依据标准SAE J2954构建了3.7 kW的无线充电系统传导电磁干扰高频电路模型，采用测量和理论计算结合的方法，提取耦合线圈、线缆和补偿电路元件的高频寄生参数。利用软件ANSYS Maxwell和Simplorer进行系统传导干扰建模仿真分析，通过仿真结果可以看出，在150 kHz~30 MHz频段共模干扰比差模干扰显著。通过系统传导发射试验验证了仿真模型的准确性。      

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

基于ECE法规和Ⅰ曲线的机电复合制动控制策略

具有再生制动功能的电动汽车制动系统与传统燃油汽车的摩擦制动系统不同,在回收部分制动能量的同时其制动稳定性会发生变化.在保证安全制动距离的前提下,制动能量回收率的提高受到制动稳定性的制约和限制.针对电制动和常规摩擦制动组成的机电复合制动系统,建立了电制动力、电制动力矩和电池充电功率计算模型.考虑到电机转矩特性和电池充电功率限制,以最大化回收制动能量为目标,设计3种不同的机电复合制动控制策略.通过在ADVISOR软件中建立嵌入式仿真模块对制动能量回收率、电池荷电状态和纯电动模式的续驶里程进行了仿真计算和分析.计算结果表明:I曲线和ECE(Economic Commission of Europe safety regulations)法规边界线都不是理想的制动力分配曲线,所提出的制动力分配曲线OABCD综合性能较好,制动能量回收率达到59.56%,且一个循环的荷电状态变化很小,仅降低了4.29%.实车试验表明能量回收能够提高续驶里程.     

基于模型迁移方法的高超声速飞行器建模

高超声速飞行器的研发是一个小批量多批次的过程。为了降低实验成本缩短建模周期,引入了模型迁移方法计算具有相似外形的高超声速飞行器的气动参数。首先研究了一种评价飞行器气动外形间仿射相似度的方法,当相似度满足要求时,可使用模型迁移方法计算新飞行器的气动参数。接着基于高超声速相似律,使用基飞行器的气动参数对新飞行器气动参数初次迁移。当初次迁移结果不能满足建模精度要求时,应用偏差校正的方法对迁移过程修正。最后为了消除飞行高度对高超声速流黏性的影响,引入高超声速边界层理论迁移飞行器不同高度上的气动参数。通过对仿真结果的分析,验证了模型迁移方法对具有相似外形的高超声速飞行器建模的有效性。      

考虑临近车道行人对交通流影响的改进跟驰模型

基于实际人车混合行驶的情形,提出了一个改进的车辆动力学模型。该模型考虑了邻车道或横向的行人、自行车等对主干道车辆的驾驶行为影响。基于经典的最优速度模型,将主干道车辆与行人之间的横向距离和纵向距离作为参数引入最优速度模型中。为了验证所提模型的稳定性和有效性,利用线性稳定性理论,推导出模型的稳定性条件和非稳定性条件,绘制中性稳定性曲线,直观描述了交通流稳定区域大小。理论结果表明:考虑横向行人干扰因素的改进跟驰模型比传统的只考虑单一车道车辆因素的跟驰模型更加的稳定,并且不同参数的变化,所引起的稳态区域也会发生变化。采用了更加真实的优化速度方程,通过仿真实验来描述车辆的驾驶行为;仿真实验列举了2种实际场景:行人稀少和行人较多时。分别绘制了车辆的速度-时间变化曲线以及车辆的时空图,实验结果表明:横向行人的确会干扰车辆的正常驾驶;不同场景下,行人数量的多寡也会对车辆的驾驶行为造成不同程度的影响。      

网联混合动力汽车能量优化控制

能量管理策略是混合动力汽车的核心技术之一,决定了车辆的燃油经济性和排放性能。针对现有混合动力汽车的能量管理都是基于固定工况开发而没有考虑实际道路工况的问题,基于智能交通系统（ITS）和专用短程通信技术（DSRC）获取的道路交通信息和周边车辆信息,提出了一种网联混合动力汽车分层能量控制方法。其中,上层控制器利用道路交通信息和模型预测控制算法预测车辆的最优目标速度并计算出需求转矩;下层控制器利用上层控制器获得的目标车速信息,实现最优车速跟随,并使用模糊神经网络控制算法优化发动机和电动机之间的转矩分配以降低燃油消耗。仿真结果表明:与传统的能量管理策略相比,所提方法可以有效避免车辆在红灯时停车,车辆的燃油消耗率降低了34.88%,HC、CO和NO_x的排放分别降低10.59%、66.19%和1.05%,提升了混合动力汽车的燃油经济性和排放性能。      

卫星介质深层充电的两类计算模型对比分析

计算模拟是评估航天器介质深层充电危害的重要研究方法之一. 通过粒子输运 模拟, 可以得到特定空间辐射环境下介质中的电荷沉积分布, 进而根据电位/电 场计算模型, 得到深层充电结果. 前期研究多是围绕RIC (辐射诱导电导率)模 型及其改进模型展开的, 而目前通常采用基于电流守恒定律的简单计算模型. 为了研究二者关系, 给出其各自求解方法, 并采用已发表数据对计算结果进行 验证; 从理论上阐述了后者是RIC模型的进一步简化, 只要二者考虑相同的介 质电导率, 则对应计算结果就是一致的; 结合GEO恶劣电子辐射环境下平板介 质模型在三类边界条件下的充电情况, 进行了充分的仿真验证. 相关结论为介 质深层充电效应评估提供了有益参考.      

车用锂离子电池直冷热管理系统用冷媒研究进展

电动汽车用直冷系统是未来电动汽车热管理系统的可行解决方案之一,在整车减重、改善温度一致性等方面具备较大潜力。冷媒是直冷热管理系统的重要组成,影响直冷系统制冷能力、效率、安全性等因素。选择高效、匹配的冷媒对直冷热管理系统设计格外重要。梳理了近年来电动汽车直冷热管理系统用冷媒的研究进展。首先,基于电动汽车工况阐述了锂离子电池的热特性需求与直冷热管理系统特性;其次,系统分析了常用冷媒特性的定义与表征;然后,详细介绍了单质冷媒与混合冷媒的研究进展;最后,总结了冷媒亟待解决的问题与未来展望,并为新一代直冷热管理系统用冷媒的发展提出了可行的研究方向。      

雷暴充电对大气电位的影响

本文在指数导电率大气中,在给定电离层电位情况下,考虑雷暴充电电流源以后,解析地求解了稳态电流守恒方程,获得了大气电位分布的解析表达式.考察这一表达式可以看到,雷暴充电对大气电位的影响和电离层电位对大气电位的影响主要都是垂直地起作用的.从观测到的雷暴充电电流密度的数值以及其他性质出发,利用本文得到的解析表达式进行计算可看到,雷暴充电作用能够使电层高度上的电位上升到由观测所推出的电层电位应具有的数值.数例结果还表明,电离层电位能通过对雷暴上空电层电位值的显著影响而对晴天区低层大气电状态发生作用.      

基于正负极动力学特性的锂离子电池优化充电方法

针对电动汽车快速充电存在的问题,分别对锂离子电池正、负极充放电特性进行研究,提出了优化充电方案。以负极析锂抑制为边界条件,获得正、负极在不同状态(SOC)下的最大允许充放电电流,建立了充电过程能耗和充电时间目标函数,以最大允许充电电流为约束条件,利用粒子群算法得到最优多阶段恒流充电电流序列。结果表明:与1 C恒流充电相比,电池充入相同容量时,优化充电时间减少约26.5%,34 min即可充电至80%SOC;与优化充电电流序列的平均电流恒流充电相比,优化充电能耗降低约1.5%。