4月30日：《机械工程学报》2019年第20期最受关注论文推荐学术资讯

来源：机械工程学报

提示：点击上方"机械工程学报"↑关注我吧

电动汽车锂离子动力电池健康状态在线诊断方法

北京交通大学电气工程学院姜久春等认为随着电动汽车的快速发展,高比能锂离子电池的衰减问题日益受到关注,其健康状态是耐久性管理的核心参数,对延长电池寿命提高系统可靠性至关重要。以三元材料锂离子电池为研究对象,基于正负极的开路电压模型,描述正负极和全电池的匹配关系并在全新电池尺度上重构其开路电压-荷电状态曲线,分析正负极匹配关系在电池经历各种老化模式后的演变特性,从而在全新电池尺度上重构老化电池的开路电压-荷电状态曲线,并据此提出了改进的锂离子电池老化模式无损定量诊断方法,克服了现有方法必须以电池的真实开路电压-荷电状态曲线为诊断依据的局限性,从而更加适用于实车在线应用。采用扩展卡尔曼滤波算法,从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线,并使用所提出的老化诊断方法拟合该开路电压曲线,可以定量分析电池遭受的正极材料损失、负极材料损失和可用锂离子损失。在此基础上,提出电池最大可用容量的估计方法和真实开路电压-荷电状态曲线的辨识方法,结果表明,在动态工况下容量估计误差在1%以内,开路电压-荷电状态曲线的方均根误差在6 mV以内。该方法应用于电池组,可以实现电池组内各单体电池的最大可用容量和荷电状态一致性估计。

基于知识深度置信网络的加工粗糙度预测

同济大学机械与能源工程学院刘国梁等认为深度神经网络是一种具有复杂结构和多个非线性处理单元的模型,目前也已逐步被应用在工业生产过程中。但由于神经网络不可解释,不可控制的"黑箱"问题,以及海量的数据需求问题,使得深度学习在工业领域的应用仍有巨大的障碍。提出一种新的深度神经网络模型:知识深度置信网络(Knowledge-based deep belief network, KBDBN)。这种逻辑符号语言与深度神经网络的结合,不仅使得模型具有良好的模式识别性能,还可自适应地确定网络模型并具有可解释和可视化特性。进一步提出基于KBDBN的工件表面粗糙度加工过程的预测模型,实现了精确预测且有效地提取了制造过程的关键知识。试验结果证明:相较于传统机器学习器,KBDBN的网络性能更加优越,具有可解释性,可应用性更强。创新性的将符号规则与深度学习相结合并建立加工粗糙度预测模型,可以在精准预测的前提下提取工艺知识,指导加工工艺优化。

动力锂离子电池热失控燃烧特性研究进展

清华大学汽车安全与节能重点实验室张亚军等针对频发的电动汽车火灾事故引起了对动力锂离子电池燃烧特性与火灾消防的日益重视。在动力锂离子电池起火燃烧演进的三阶段划分中,首先是外部滥用条件引发了动力锂离子电池内部材料化学反应的自我加速过程,随着化学反应放热累积和产气气体增加,导致在一定的压力下动力锂离子电池进入释放阀打开进入泄气过程,最后释放气在多种着火源引导下进入起火燃烧过程。事实上,在动力锂离子电池的热失控燃烧过程中,这三个阶段并非完全割裂,是一个复杂的并列发生现象。与传统的火灾相比,动力锂离子电池的燃烧有其特殊性,如燃烧受控条件涉及化学反应释放的热量、动力锂离子电池电能内短路后转化生成的热量、动力锂离子电池材料体系中的可燃成份、动力锂离子电池泄气中易燃气体组成等。综述动力锂离子电池热失控的演化进程、泄气的组分与浓度及毒性、动力锂离子电池单体和模组的燃烧放热量和放热速率以及燃烧过程的质量损失等燃烧特性、电池包的火灾蔓延特点与灭火剂筛选原则。针对动力锂离子电池火灾的机理及特点,总结现有研究中存在的不足、可能的改进措施以及研究尚未涉及的关键研究点。

探花

基于分布式最小二乘法的锂离子电池建模及参数辨识

山东大学控制科学与工程学院朱瑞等认为精确的锂离子电池模型对于电池状态的准确估计以及电动汽车整车的仿真、设计与优化具有至关重要的意义。然而,传统的递推最小二乘方法应用于电池这类多时间尺度系统时,会出现模型参数辨识精度低、建模效果差等问题。为此,以锂离子电池二阶RC等效电路模型为研究对象,提出一种基于分布式最小二乘的模型辨识参数方法。此方法根据电池不同时间尺度可以分离的特性,将电池模型细分为两个子模型分别进行辨识,避免了待估参数的相互干扰,因而能够取得更好的参数估计效果。试验结果表明,相比传统的递推最小二乘辨识方法,提出的方法在UDDS和FUDS工况下能够将平均绝对误差分别降低约50.00%和28.57%,均方根误差分别减小约46.43%和29.17%,验证了所提方法的有效性和可行性。

榜眼

复杂结构与高性能材料增材制造技术进展

中国航发北京航空材料研究院3D打印研究与工程技术中心刘伟等指出增材制造具有逐点熔凝、分层制造的工艺特征,一方面可实现三维复杂结构零件的快速制造,另一方面可实现材料的高性能化。基于增材制造技术在复杂结构及高性能材料制备方面的巨大技术优势与应用前景,综述了增材制造技术在点阵结构、大型薄壁结构、复杂曲面结构、一体化结构等典型复杂结构,以及在铁基合金、镍基合金、钛基合金、铝基合金、金属间化合物、功能梯度材料、陶瓷等高性能材料方面的研究现状与技术进展,并对增材制造技术在结构设计、专用材料体系、新材料研发、修复与再制造以及数据库与标准等方向的未来发展趋势进行了展望。

状元

大数据分析技术在新能源汽车行业的应用综述——基于新能源汽车运行大数据

北京理工大学电动车辆国家工程实验室佘承其等认为应对化石能源危机和环境污染问题,新能源汽车技术的发展与应用引起广泛重视。新能源汽车具有高信息化的特点和智能网联化的发展趋势,在日常运行中会产生大量行驶数据信息。利用海量多源异构数据进行安全预警与监管、车辆技术分析,是推动我国新能源汽车行业发展的关键。综述了大数据分析技术在新能源汽车行业的应用情况,概述了大数据分析技术的基础理论、发展历程,介绍了新能源汽车国家监测与管理平台的架构和功能,并着重阐述了新能源汽车大数据分析过程。分别从动力电池数据、汽车运行数据和充电数据的角度出发,分析了现有的研究方向和研究方法,列举了部分研究成果和应用情况。最后,对当前新能源汽车大数据分析领域存在的问题和发展应用前景进行了总结和展望。