期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
纤维缠绕金属内衬压力容器的设计和分析技术 被引量:10
1
作者 晏飞 赵和明 《上海航天》 2004年第4期54-59,共6页
介绍了纤维缠绕金属内衬压力容器的工艺特点、性能优势和爆破前先泄漏(LBB)的安全失效模式,以及一般设计原则、构形、材料和工艺要求。分析了金属内衬的厚度、过渡区、焊接区和纤维缠绕层,以及输入输出极孔的设计技术。阐明了用于静力... 介绍了纤维缠绕金属内衬压力容器的工艺特点、性能优势和爆破前先泄漏(LBB)的安全失效模式,以及一般设计原则、构形、材料和工艺要求。分析了金属内衬的厚度、过渡区、焊接区和纤维缠绕层,以及输入输出极孔的设计技术。阐明了用于静力分析的解析法和数值法,以及用于循环寿命预测的断裂力学分析法。最后概述了一些新技术、新材料的应用情况,并指出了压力容器设计的发展趋势。 展开更多
关键词 纤维缠绕金属内衬压力容器 爆破前先泄漏 结构设计 静力分析 循环寿命预测
下载PDF
基于差分进化算法优化BP神经网络的镍镉电池寿命预测 被引量:9
2
作者 卢顺 李英顺 《广西科技大学学报》 2020年第2期93-98,共6页
镍镉电池组作为移动电源对于现代军民用品是必不可少的.为了能够有效的提高镍镉电池寿命的预测精准度,在建立BP神经网络的电池寿命预测模型的基础上,运用差分进化算法(DE)优化BP神经网络连接的初始权值与阈值.预测结果表明:该改进的预... 镍镉电池组作为移动电源对于现代军民用品是必不可少的.为了能够有效的提高镍镉电池寿命的预测精准度,在建立BP神经网络的电池寿命预测模型的基础上,运用差分进化算法(DE)优化BP神经网络连接的初始权值与阈值.预测结果表明:该改进的预测模型有较高的预测精度,误差控制在5%以内,有效地提高了BP神经网络的收敛速度,符合现实中镍镉电池实际运行的特性,对提高电池寿命评估的时效性和精确性具有重要的意义. 展开更多
关键词 镍镉电池 循环寿命预测 BP神经网络 差分进化算法
下载PDF
基于WNN的锂电池循环寿命预测 被引量:5
3
作者 洪晟 尉麒栋 《计算机测量与控制》 北大核心 2013年第8期2146-2148,共3页
小波神经网络(WNN,Wavelet Neural Network)是小波分析与神经网络的结合,与传统神经网络相比,能够更有效地逼近非线性映射关系;利用小波神经网络对18650型锂电池产品样本数据进行学习,建立电池健康状态指标依时序的退化过程中历史数值... 小波神经网络(WNN,Wavelet Neural Network)是小波分析与神经网络的结合,与传统神经网络相比,能够更有效地逼近非线性映射关系;利用小波神经网络对18650型锂电池产品样本数据进行学习,建立电池健康状态指标依时序的退化过程中历史数值与未知数值间的映射关系;利用此映射关系及锂电池历史数据,可以推知下一时刻的健康数据,将这一预测值再迭代入小波神经网络的输入,如此循环预测,便可得到预测的锂电池退化曲线,从中可以得出锂电池的循环寿命;针对多块电池的预测实验结果表面:所提算法在合适的预测起点进行预测,其预测得到的循环寿命的相对误差均小于10%,是有效可行的。 展开更多
关键词 小波神经网络 锂电池 循环寿命预测
下载PDF
锂离子电池SOC估计和循环寿命预测方法研究
4
作者 徐超 《天津化工》 CAS 2024年第1期112-115,共4页
锂离子电池是目前广泛应用于电动车辆和可穿戴设备等领域的重要能量存储装置。为确保电池的安全性、性能和寿命,准确估计电池的状态-of-charge(SOC)和预测其循环寿命变得尤为重要。本文对锂离子电池SOC估计和循环寿命预测方法进行了深... 锂离子电池是目前广泛应用于电动车辆和可穿戴设备等领域的重要能量存储装置。为确保电池的安全性、性能和寿命,准确估计电池的状态-of-charge(SOC)和预测其循环寿命变得尤为重要。本文对锂离子电池SOC估计和循环寿命预测方法进行了深入研究。通过分析提出改进方案,使锂离子电池SOC估计和循环寿命预测得到优化,确保改进后可更准确、实时地完成SOC估计和循环寿命预测。 展开更多
关键词 锂离子电池 SOC估计 循环寿命预测 优化 仿真验证
下载PDF
Cycle life prediction of traction battery based on degradation data 被引量:1
5
作者 孟祥峰 Wang Zhenpo 《High Technology Letters》 EI CAS 2010年第1期13-17,共5页
The traction battery cycle life prediction method using performance degradation data was proposed. The example battery was a commercialized lithium-ion cell with LiMn2O4/Graphite cell system. The capacity faded with c... The traction battery cycle life prediction method using performance degradation data was proposed. The example battery was a commercialized lithium-ion cell with LiMn2O4/Graphite cell system. The capacity faded with cycle number follows a traction function path. Two cycle life predicting models were established. The possible cycle life was extrapolated, which follows normal distribution well. The distribution parameters were estimated and the battery reliability was evaluated. The models' precision was validated and the effect of the cycle number on the predicting precision was analysed. The cycle life models and reliability evaluation method resolved the difficulty of battery life appraisal, such as long period and high cost. 展开更多
关键词 traction lithium-ion battery performance degradation cycle life prediction cycle life model
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部