發(fā)布時間：2020-05-04 10:19

【摘要】：隨著現(xiàn)在社會的迅猛發(fā)展,人們對能源的需求在不斷增長。與此同時天然氣等傳統(tǒng)資源卻逐漸減少,電能作為一種清潔能源越來越受到人們的重視。電動汽車因此成為汽車發(fā)展的一個重要方向。動力電池作為電動車的核心部件也得到了巨大的重視與發(fā)展。單個動力電池因為容量小、電壓低、功率小等缺點無法滿足電動車等設(shè)備所需要的動力。所以需要將單體電池串聯(lián)成電池組供汽車使用。由于單體電池之間的不一致性對電池組的性能和壽命產(chǎn)生很大的影響。因此尋找一種合適的電池配組方案對電動車的發(fā)展至關(guān)重要。本文首先介紹了電池配組相關(guān)的技術(shù)。通過對比各種配組技術(shù),選擇了基于動態(tài)特性的電池配組方法,也就是將電池放電過程中電壓的變化作為配組的標準,并將這個配組問題轉(zhuǎn)換為時間序列的聚類問題。并對比了現(xiàn)有的時間序列聚類算法,選擇了基于特征的時間序列聚類算法。本文提出了基于手動提取特征的電池配組方法,提取放電序列的均值、方差、峰度以及時間維度四個結(jié)構(gòu)特征,并基于這些特征來測量電池之間的相似性,最后使用k均值聚類算法完成配組。但是其效果并不是特別理想。因此為了與該方法形成對比,本文又提出了基于自編碼神經(jīng)網(wǎng)絡(luò)的電池配組方法,通過自編碼神經(jīng)網(wǎng)絡(luò)提取放電序列的特征。首先通過實驗對比神經(jīng)網(wǎng)絡(luò)中各種激活函數(shù)和優(yōu)化器,選擇誤差小的激活函數(shù)和優(yōu)化器進行訓練。將電池放電序列數(shù)據(jù)進行預處理后放入自編碼神經(jīng)網(wǎng)絡(luò)訓練,當達到穩(wěn)定狀態(tài)時保存權(quán)值參數(shù)。至此得到用以提取特征的神經(jīng)網(wǎng)絡(luò)模型。隨后將測試的電池放電序列放入訓練好的神經(jīng)網(wǎng)絡(luò)模型中得到它們的特征,最后使用快速搜索和查找密度峰聚類算法完成配組。最后本文通過輪廓系數(shù)對比兩種配組方案的優(yōu)劣性,并選擇較好的一種配組方案與多參數(shù)配組方案進行儲能和循環(huán)充放電實驗。觀察電池組在靜置一段時間后的自放電率和循環(huán)200次充放電后容量的變化。通過實驗結(jié)果得到本實驗的配組方案在儲能和容量衰減方面都優(yōu)于多參數(shù)配組方案。
【圖文】：

圖 1.1 電動汽車自燃池及其配組概述般可以分為燃料電池和蓄電池，，燃料電池在使用的時候需要將所需的能在電池使用的時候會有一些污染氣體放出來，和傳統(tǒng)的化石燃料相似，力電池。而蓄電池不同于燃料電池，它可以循環(huán)使用，因此又被稱為二實現(xiàn)電能變?yōu)榛瘜W能的功能，在使用的過程當中將化學能變成電能。在池是唯一的動力來源，一般來說，蓄電池可以分為鉛酸蓄電池、鎘鎳蓄鋰電池。如表 1.1 為各種動力電池的性能對比。表 1.1 各種動力電池性能對比數(shù)比能量（Wh/kg）比功率密度(Wh/l)標稱電壓（V）循環(huán)壽命(次)成本（rmb/Wh）池30 45 60 902200 300 0.6 1.0鉛40 60 80 1101.2 5002.0 2.6鎘

用以促進大數(shù)據(jù)技術(shù)的發(fā)展，2010 年的時打造智能工廠，提高企業(yè)生產(chǎn)效率和質(zhì)量。2012 年的時研發(fā)，將大數(shù)據(jù)技術(shù)上升到國家科技戰(zhàn)略。發(fā)展，傳統(tǒng)的制造業(yè)面臨這信息化水平不高而造成的低產(chǎn)府提出了工業(yè) 4.0 的概念，也就是利用物聯(lián)網(wǎng)信息系統(tǒng)將慧化。我國也緊跟時代的步伐，在 2015 年的時候總理就網(wǎng)植入到各個制造業(yè)當中去，促進工業(yè)互聯(lián)網(wǎng)的發(fā)展。因業(yè)生產(chǎn)�！盎ヂ�(lián)網(wǎng)+”將會推動中國從“中國制造”走向“中國十三五”規(guī)劃出臺，其中就包括要推動大數(shù)據(jù)在工業(yè)研發(fā)。需要實現(xiàn)的首先是設(shè)備、人、系統(tǒng)之間的智能化的連接，程中監(jiān)測到的相關(guān)數(shù)據(jù)進行有效的分析[6]，從而可以準確運行率、質(zhì)量百分比等信息。而且可以做到生產(chǎn)車間的無備操作設(shè)備，為企業(yè)減少成本，提高效率。圖 1.2 就顯示
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP181;U469.72

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預測法[J];金融經(jīng)濟;2017年18期

2 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學術(shù)動態(tài);1996年01期

4 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計研究[J];數(shù)字技術(shù)與應用;2018年04期

5 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

6 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學院學報(自然科學);2016年03期

7 朱n

本文編號：2648396