XiaoMi-AI文件搜索系统
World File Search System阻抗
基于电化学阻抗谱的锂离子电池温度指示器和过热检测
摘要 —锂离子电池因其诱人的优势而成为储能系统的领先技术。然而，锂离子电池的安全性是一个主要问题，因为它们的工作条件在温度、电压和充电状态方面受到限制。因此，监测锂离子电池的状态以保证安全运行非常重要。为此，在目前的研究中，我们分析了电化学阻抗谱 (EIS) 作为估算电池温度的工具。在不同的充电状态下进行 25°C 至 140°C 的过热滥用测试，并在测试期间获得 EIS 测量值。分析了温度对不同频率下电池阻抗的影响并揭示了新的发现。阻抗的实部被确定为通过 EIS 估算电池温度的最佳指标。此外，根据实验结果，提出了实现精确温度监测的最佳频率，避免充电状态变化产生的干扰。最后，EIS 被证明是一种可靠的过温和热失控检测技术。索引词 — 锂离子电池、安全性、电化学阻抗谱、阻抗、温度估算
输电阻抗控制对碳排放和可再生能源削减的影响
近年来，可再生能源渗透率的提高造成了新的拥堵模式。由于电网不是为新模式设计的，运营商可能需要削减可再生能源，以将传输流量保持在可接受的范围内。使用灵活交流输电系统 (FACTS) 设备的输电线路阻抗控制已被提议作为一种缓解输电系统拥堵和提高可再生能源利用率的方法。在本文中，我们进行了一项全面的研究，以深入了解 FACTS 实施对可再生能源整合和碳减排的影响。该研究考虑了可再生能源渗透率、系统负载模式、可再生能源发电位置和 FACTS 设备位置的变化。此外，还使用了来自著名区域输电组织 (RTO) 的发电组合数据来获得更现实的结果。对具有两阶段随机机组组合模型的改进型 RTS-96 系统进行了模拟研究。结果表明，尽管阻抗控制在降低成本方面是有效的，但它在促进具有著名廉价化石燃料发电厂的系统中可再生能源整合方面存在局限性。
电池阻抗光谱频谱通过机器学习的部分充电电压曲线预测
电化学阻抗光谱（EIS）是锂离子电池健康诊断状态的有效技术，预计通过电池充电曲线预测阻抗光谱频谱预测有望在车辆操作过程中实现电池阻抗测试。然而，充电曲线和阻抗光谱之间的机械关系尚不清楚，这阻碍了基于EIS的预测技术的发展和优化。在本文中，我们通过电池充电电压曲线预测了阻抗光谱，并根据电化学机械分析和机器学习优化了输入。探索了充电曲线，增量容量曲线和阻抗频谱之间的内部电化学关系，从而改善了该预测的物理解释性，并有助于定义机器学习模型输入的适当部分电压范围。基于序列到序列的预测，已经采用了不同的机器学习算法来对所提出的框架进行验证。此外，评估了具有不同部分电压范围的不同部分电压范围的预测，并评估了不同的训练数据比，以证明所提出的方法具有较高的概括和鲁棒性。实验结果表明，适当的部分电压范围具有很高的精度，并且会收敛到电化学分析的发现。通过对电池内电化学反应的冠状分析选择的适当部分电压范围的阻抗光谱的预测误差小于1.9 m o。由Elsevier B.V.和科学出版社出版。即使电压范围降低到3.65–3.75 V，大多数RMSE的预测仍然可靠。2023年科学出版社和达利安化学物理研究所，中国科学院。这是CC下的开放式访问文章（http：//creati- vecommons.org/licenses/4.0/）。
通过 Jackson & Pollock 皮褶方程、近红外、生物电阻抗和体重指数估计体脂百分比的有效性
第二章 相关文献综述 ...................................................................................................... 8 身高体重表 ...................................................................................................................... 8 预测方程 ...................................................................................................................... 11 体质测量 ...................................................................................................................... 16 腰臀比 ...................................................................................................................... 20 体内水分总量 ...................................................................................................................... 25 身体质量指数 ...................................................................................................................... 31 生物电阻抗 ...................................................................................................................... 41 近红外 ............................................................................................................................. 62 皮褶厚度 ............................................................................................................................. 77 水下称重 ............................................................................................................................. 88
使用带有阻抗奈奎斯特图的卷积神经网络评估锂离子电池的健康状态
摘要：为使锂离子电池保持安全运行状态并优化其性能，迫切需要对健康状态（SOH）进行精确评估，该状态指示锂离子电池的退化程度。本文提出了一个回归机器学习框架，该框架结合了卷积神经网络（CNN）和电化学阻抗谱（EIS）的奈奎斯特图作为特征来估计锂离子电池的SOH，显著提高了SOH估计的准确性。结果表明，基于EIS特征的奈奎斯特图比简单的阻抗值提供了有关电池老化的更详细信息，因为它能够反映阻抗随时间的变化。此外，与使用DNN模型的简单阻抗值以及其他传统机器学习方法（如高斯过程回归（GPR）和支持向量机（SVM））相比，CNN模型中的卷积层在从EIS测量数据中提取不同级别的特征和表征锂离子电池的退化模式方面更有效。
非线性电化学阻抗谱用于锂离子电池模型参数化
在本研究中，我们分析了锂离子电池的局部非线性电化学阻抗谱 (NLEIS) 响应，并从测量的 NLEIS 数据中估算模型参数。该分析假设单粒子模型包括电极粒子内锂的非线性扩散和其表面的不对称电荷转移动力学。基于此模型并假设一个中等较小的激励幅度，我们系统地推导出直至二次谐波响应的阻抗的解析公式，从而可以根据模型中的物理过程和非线性对每个贡献进行有意义的解释。我们探讨了这对参数化的影响，包括使用最大似然进行结构识别分析和参数估计，同时使用了合成和实验测量的阻抗数据。可以精确拟合阻抗数据，但拟合的扩散时间尺度的不一致性表明非线性扩散模型可能不适用于所考虑的电池。还通过使用参数化模型预测时域电压响应来证明模型验证，并且结果表明这与测量的电压时间序列数据 (11.1 mV RMSE) 具有出色的一致性。© 2023 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据知识共享署名 4.0 许可条款分发 (CC BY，http://creativecommons.org/licenses/ by/4.0/ )，允许在任何媒体中不受限制地重复使用作品，前提是对原始作品进行适当的引用。[DOI：10.1149/ 1945-7111/acada7 ]
变刚度索驱动机械手阻抗控制的卷积动态跳跃规划算法
摘要：缆索驱动机械手具有手臂细长、运动灵活、刚度可控等特点，在捕获在轨卫星方面有着很大的应用前景，但由于缆索长度、关节角度和反作用力之间的耦合关系，难以实现缆索驱动机械手的有效运动规划和刚度控制。该算法还可以通过动态设置加加速度使加速度更加平滑，减小加速度冲击，保证缆驱动机械手的稳定运动。再次，通过采用基于位置的阻抗控制来补偿驱动缆的位置和速度，进一步优化缆驱动机械手的刚度。最后，开发并测试了变刚度缆驱动机械手样机，利用卷积动态加加速度规划算法规划出所需的速度曲线，进行了缆驱动机械手的速度控制实验，结果验证了该算法可以提高加速度的平滑度，从而使运动更加平滑，减小振动。此外，刚度控制实验验证了缆驱动机械手具有理想的变刚度能力。
在哈米尔顿港框架中对飞行最终效用的能量意识阻抗控制
摘要 - 这项工作解决了完全致命的空中自动驱动器的交互控制问题。，我们使用几何一致的可变刚度阻抗控制解决问题，以使用能源罐的概念进行安全扳手调节，其中建模和控制均在汉密尔顿港框架中进行。我们利用了地面操纵器的文献中以前的众所周知的结果，并将其扩展为新颖和挑战的空中物理相互作用，重点是准静态应用。提出的控制方法的能量意识确保了空中机器人在自由交界和接触式SCENARIOS中的稳定性，以及与未知环境的接触式损失的情况下的一定程度。此外，通过利用键图，我们演示了如何以图形方式进行闭环的被动性。我们提出的方法的有效性通过多个实验显示。我们还提供了一些有关如何将提出的框架扩展到通用动态空中物理相互作用的见解。
锂离子电池模型的阻抗响应模拟策略
摘要电池是一种电化学系统，可以被视为一个黑匣子，没有实用的方式，可以以负担得起的成本观察内部的过程。幸运的是，电化学系统中的大多数物理和化学过程都可以通过其独特的特征时间常数来区分。电化学阻抗光谱（EIS）是一种强大的技术，可以根据电池的频率响应来区分内部过程。EIS已成功地识别相关的电化学机制和电池参数，因此可以与基于模型的电池管理系统（BMS）集成，这对于改善电池寿命和性能至关重要。在本文中，我们提供了对不同的模拟策略的看法，用于建模锂离子电池的阻抗响应，BMS中EIS模型的实现以及与实现计算有效方法相关的一些挑战。
新型数字阻抗电桥的 PTB-INRIM 比较 ...
摘要 本文描述了在现场测量量子霍尔电阻标准时对两种不同的数字阻抗电桥进行比较，目的是实现电容的 SI 单位法拉。在 EMPIR 联合研究项目 18SIB07 GIQS（石墨烯阻抗量子标准）中，德国联邦物理技术研究院 (PTB) 开发了一种约瑟夫森阻抗电桥，意大利国家计量研究所 (INRIM) 和都灵理工大学 (POLITO) 开发了一种电子数字阻抗电桥。前者基于约瑟夫森波形发生器，后者基于电子波形合成器。INRIM-POLITO 阻抗电桥被转移到 PTB，通过测量温控标准和石墨烯交流量化霍尔电阻 (QHR) 标准对这两个电桥进行了比较。 1233 Hz 下 10 nF 电容标准的校准不确定度在 PTB 电桥的 1 × 10 − 8 以内，INRIM–POLITO 电桥的不确定度在 1 × 10 − 7 左右。比较在综合不确定度内相互验证了两个电桥。结果证实，数字阻抗电桥允许从 QHR 实现 SI 法拉，其不确定度可与 BIPM 和主要国家计量机构的最佳校准能力相媲美。