双时间尺度下基于Transformer的锂电池剩余寿命预测

准确预测锂离子电池剩余使用寿命对于掌握其健康状况和管理备件资源具有重要作用.现有锂电池剩余寿命预测方法大多局限于以循环次数为主的预测结果,本质上属于面向单一时间尺度的方法,忽略了锂电池健康状态受循环次数与工作时长双重时间尺度下的退化综合影响的现实问题.提出一种双时间尺度下基于Transformer的锂电池RUL预测模型.该方法选取容量作为表征其性能退化的关键指标,通过Kalman滤波和滑动时间窗对电池容量数据进行处理获取训练集和测试集,有效提取双时间尺度中蕴含的寿命信息,并充分考虑不同时间尺度寿命信息间的相互关系,建立容量与双重时间尺度的映射关系,实现了锂电池在双时间尺度下的RUL准确预测.通过锂电池实例验证了所提方法的有效性和潜在应用价值.     

一种基于SD-ICA的卫星电池健康状态估计方法

针对容量增量分析（ICA）法应用在卫星电池的健康状态（SOH）估计中存在较大误差的问题，提出了基于带平滑处理并使用放电数据的容量增量分析（SD-ICA）的电池健康状态估计方法。首先，利用光滑样条函数的拟合结果具有二阶导连续的特性，对低分辨率的遥测数据进行平滑处理，从而提高了计算结果的准确性。其次，针对ICA必须使用微小电流放电数据的限制，推导出有负载条件下的容量增量（IC）计算方法，降低了对卫星电池放电工况的要求。最后，利用IC曲线的第一特征点（FOI1）与电池容量的关系，对卫星电池的健康状态进行估计。经验证，所提方法具有对数据分辨率要求低、不需要增加电池工况、计算简便等优势，可以准确地从卫星遥测数据中估计电池健康状态。研究成果在卫星电池的健康管理和任务规划中具有重要的应用价值。      

锂离子电池SOC及容量的多尺度联合估计

锂离子电池的荷电状态（SOC）和电池容量估计是电池管理系统的核心。由于SOC和容量在估计过程中参数相互影响,提出一种适用于三元锂离子电池SOC及容量的多尺度联合估计方法。采用戴维宁等效电路模型,建立数学模型及状态空间方程。针对不同温度下电池特性不同的问题,在不同温度下开展了模型参数辨识,建立了参数随SOC及温度的变化关系。基于双扩展卡尔曼滤波（DEKF）算法建立了电池状态多尺度联合估计模型,对电池的SOC、极化电压在微观时间尺度上进行估计,对电池的容量在宏观时间尺度上进行估计,并对SOC估计中的容量进行更新,保证了电池长期估计的精度。在宽温度范围内进行验证,所建立的三元锂离子电池多尺度联合估计方法具有较高的精度。      

基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。      

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%。      

基于窄带雷达RCS序列的空间目标尺寸估计

从窄带雷达横截面积(RCS)序列中提取目标尺寸特征对空间目标的分类识别具有重要价值. 本文在研究椭球体RCS序列特性的基础上, 提出了一种空间目标形状估计方法, 并进一步研究了空间目标尺寸估计问题, 提出了一种新的尺寸估计方法. 实测数据的验证表明, 该方法能有效估计卫星、碎片等空间目标的形状和二维尺寸.      

基于激光雷达夜间观测提取重力波方法的定量比较

以激光雷达夜间观测的温度数据的时空范围和时空分辨率作为参考,构造具有已知背景温度(由稳态背景、行星波和潮汐波组成)和重力波频谱分布的合成温度数据,针对合成温度数据,分别采用已有的夜间平均方法和时间滑动平均方法提取重力波.在此基础上,提出了用谐波函数近似表示背景大气变化的谐波拟合方法提取重力波.通过比较提取出的重力波与事...     

基于改进相关向量机的锂电池寿命预测方法

锂电池具有轻便安全、循环寿命长和安全性能好等优点,作为一个被广泛应用的储能电源,锂电池健康管理和寿命预测是国内外研究的热点。建立锂电池寿命预测方法和模型,基于实验历史数据,建立电池衰减模型从而对整个电池的工作状态进行评估,及时对设备进行维护和替换,以确保电池工作的稳定。对相关向量机（RVM）的核函数进行了组合改进,优化了RVM的性能,减小了锂电池寿命预测的偏差度,提高了预测精度。      

大规模物联网恶意样本分析与分类方法

物联网（IoT）恶意样本发展迅猛，在网络中大量攻击各类物联网设备，但由于开源问题导致其家族特征并不明显，需要一种更细粒度的样本分类方法，以解决高级威胁样本发现和攻击组织追踪等问题。针对该问题，对2019年5月至2020年5月捕获到的157 911个物联网恶意样本进行了大规模分析，并标注了一套包含9个家族分支共计12 278个样本的数据集。提出了物联网恶意样本的分类方法，通过静态逆向分析提取FCG图和文本等复杂结构特征，利用图表示学习和文本表示学习的特征，在标注的数据集上取得了平均召回率88.1%的分类效果。所提方法在实际工作应用中效果优异。      

高高原低气压环境对锂离子电池循环性能的影响

随着锂离子电池在中国高高原地区及机场的应用，其在高海拔低气压环境下的循环性能及老化机制成为一个亟须解决的问题。对此，在96 kPa-25℃（常温常压）及60 kPa-25℃（常温低压）环境下，通过电池健康状态、直流放电内阻、电化学阻抗、容量增量及微分电压曲线等电池电化学特征参数对NCM523软包锂离子电池的老化行为进行了分析。研究表明:60 kPa低气压环境加速了锂离子电池老化进程，电池内部结构受60 kPa低气压应力影响，致使电池欧姆阻抗和电荷转移阻抗较常压工况分别增加6.22%和45.76%，锂脱嵌反应受限，电池界面动力学衰退；因电池阻抗增大造成以正极活性锂离子损失主导的循环容量加速衰减，电池健康状态衰减率较常压工况高3.08%。      

基于热失控风险指数的锂电池安全评价方法

针对当前锂电池安全性研究侧重于特征参数实验测量及反应机理分析,基于风险评估理论提出锂电池热失控风险指数并应用于锂电池安全定量评价,以点燃参数乘以环境因子表征锂电池热失控风险发生概率,以热释放参数和火势增长参数表征风险造成后果。选取陆空联运的冷链货物温度监测装置中常用的锂锰电池（CR）和锂亚硫酰氯电池（ER）,利用自主设计搭建的锂电池热失控实验平台获取上述参数并计算热失控风险指数。实例分析表明:适合于陆空联运的冷链货物ER14250型锂电池热失控风险指数为0.84,其安全性相对最高。所提方法可直接指导陆空联运冷链货物温度监测装置的锂电池选择,保证运输安全。      

考虑倍率的平流层飞艇储能电池建模与分析

准确掌握储能电池的实际电量是确保平流层飞艇实现长航时飞行的关键因素之一。首先，建立了平流层飞艇能源系统仿真模型，对能量输入和消耗进行动态分析。随后，对储能电池进行不同电流倍率的充放电测试，采用多项式拟合的方法，根据测试数据建立了储能电池充放电过程中荷电状态(SOC)、剩余放电时间(RDT)、剩余充电时间(RCT)的分析模型。最后，结合能源系统能量输入、消耗模型和储能电池模型进行飞行模拟仿真，获取各部分变化数据，与已有试验数据进行量化对比分析。结果表明:所构建储能电池模型在SOC、RDT、RCT的计算误差分别小于3%、1.5%、1.5%，能够准确反映电池工作过程中SOC、RDT、RCT的变化，可为平流层飞艇平台制定优化的飞行策略提供量化支撑。      

基于不完美先验信息的随机系数回归模型剩余寿命预测方法

剩余寿命预测是设备预测与健康管理的核心问题，准确的剩余寿命预测可以在故障发生前进行有效的维护保养，以减小设备故障发生的概率。针对实际剩余寿命预测中先验信息不足或缺乏的问题，提出一种克服不完美先验信息影响的启发式剩余寿命预测方法。首先，利用非线性随机系数回归模型进行退化建模。其次，证明了基于单个设备现场退化数据，期望最大化（EM）算法的参数估计结果收敛于极大似然估计（MLE）算法的参数估计结果，并提出一种合理融合先验信息和现场信息的启发式剩余寿命预测方法。最后，通过数值仿真数据和实际锂电池退化数据对提出的结论和方法进行了验证，结果表明:启发式剩余寿命预测方法相比传统贝叶斯方法能够较好地克服不完美先验信息的影响，更为准确的预测设备地实际剩余寿命。      

混合动力电动车电池荷电状态描述方法

提出一种新的描述电池荷电状态的定义方法,主要针对MH/Ni动力电池,该电池通常意义下的额定容量为8?A·h,并应用在一种混合动力电动车中.混合动力电动车中动力电池的运行环境非常严酷,充放电倍率高,动态转换频繁.通常的电池荷电状态定义方法适合于稳定负载的情况下,在动态负载的情况下就会出现不适应性.原因是不能同时描述电池的静态和动态荷电状态.新定义方法提出静态荷电状态SSOC(Static State of Charge)和动态荷电状态DSOC(Dynamic State of Charge)的概念.静态荷电状态SSOC描述电池内部稳态的荷电量; 动态荷电状态DSOC描述电池充电或放电时,电池内部电荷的饱和程度.对上述定义的电化学原理进行了分析,并提出了初步的计算方法.     

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。