【摘 要】
：
目前,锂离子电池作为纯电动汽车上应用最为广泛的能量来源,在温度过高时会加剧电池的老化并带来热失控的风险,因此有必要设计和开发电池冷却系统。为了应对不同行驶工况、环境温度、电池使用情况等外部条件给电池冷却系统设计与优化带来的挑战,将包括电源系统、驱动系统、车身系统以及外部环境和工况在内的整车系统级电池冷却系统作为研究对象,重点研究了系统设计与建模、评价指标与分析以及控制参数与优化等关键技术。主要研究
论文部分内容阅读
目前,锂离子电池作为纯电动汽车上应用最为广泛的能量来源,在温度过高时会加剧电池的老化并带来热失控的风险,因此有必要设计和开发电池冷却系统。为了应对不同行驶工况、环境温度、电池使用情况等外部条件给电池冷却系统设计与优化带来的挑战,将包括电源系统、驱动系统、车身系统以及外部环境和工况在内的整车系统级电池冷却系统作为研究对象,重点研究了系统设计与建模、评价指标与分析以及控制参数与优化等关键技术。主要研究内容如下:（1）针对整车系统级电池冷却系统建模,运用模块化思想建立基于日产Leaf车型的整车系统级电池冷却系统模型;通过将仿真结果与阿尔贡实验室测试数据进行对比,验证了模型的精度;针对极端条件下的冷却需求,对日产Leaf车型设计基于Chiller的二级回路液体冷却方案,确定关键部件的参数并完成整车系统级电池冷却系统模型的建立;仿真结果显示所设计的二级回路液体冷却优化方案在极端条件下能够使电池组温度在10分钟内下降10℃,满足极端条件下的冷却需求,并且电池衰减容量仅为原方案的46%,但能耗相对偏高,可以进一步优化。（2）为了降低电池冷却系统的能耗并减少电池衰减容量,分析了给定行驶时长内影响能耗和电池衰减容量的因素;通过理论分析和仿真验证发现影响因素包括电池SOC、电池老化程度、环境温度、行驶工况和预设的电池冷却目标温度,并进一步确定了影响规律;可以通过设定较高的电池冷却目标温度来降低系统能耗,但能耗降低的同时电池会衰减更多;另外,在设定电池冷却目标温度时,需要考虑不同外部初始条件对能耗和电池衰减容量带来的影响;系统能耗与电池寿命之间的权衡以及外部条件的影响,给冷却目标温度的设定带来难题。（3）针对不同外部初始条件下电池冷却目标温度的优化,从经济性角度分析并量化了电池冷却系统能耗和电池衰减容量导致的能耗成本和老化成本,提出以总成本最低为目标对冷却目标温度进行优化;分析了外部初始条件为NEDC工况、65%初始SOC、8%初始老化和36℃环境温度时最优冷却目标温度随行驶时长变化的规律,发现最优冷却目标温度随着行驶时间变长逐渐减小并趋于某固定值;通过仿真得到不同外部初始条件下的最优冷却目标温度并进行对比:相对于NEDC工况,HFWET下最优冷却目标温度更高而UDDS下更低;相对于65%初始SOC,40%下最优冷却目标温度更高而90%下基本一致;相对于8%初始老化,16%下最优冷却目标温度更高而4%下更低;相对于36℃环境温度,40℃下最优冷却目标温度更高而32℃下更低;根据仿真结果分析了不同外部初始条件下最优冷却目标温度的变化规律,为电池冷却目标温度的设定提供可借鉴指导。
其他文献
药物诱导肝损伤（DILI）是指因药物本身或其代谢产物导致的肝脏损伤,已成为药物撤市和药物研发失败的主要原因之一。DILI是一个复杂的过程,在这个过程中,伴随着各种相关的生物酶和活性物种（活性氧、活性氮、活性硫等）,含量的变化。其中,过氧亚硝酰阴离子（ONOO-）在DILI早期阶段显著增加。因此,实现细胞和活体内ONOO-浓度变化的精准检测,对DILI机理研究以及预防具有重要意义。然而,ONOO-具
近年来,在计算机视觉领域,深度学习推动了人脸识别、自动驾驶等很多技术的快速发展。但在实际应用中,深度学习模型需要大量的图像样本来进行训练,而由于涉及到隐私、成本等问题,图像训练样本的获取往往非常困难。生成对抗网络（Generative Adversarial Nets,GAN）能够生成大量逼真的图像对训练样本进行补充,为解决图像训练样本难以获取的问题做出了贡献。作为GAN的变体,带有一致惩罚项的瓦
近些年来计算机网络发展十分迅速,信息共享无时无刻不在发生,这就使得如何在纷繁复杂的信息世界中迅速定位所需的资源成为当前研究的重点和挑战。由布隆提出的布鲁姆过滤器就是一种高效解决现有问题的数据结构,它能以很小的存储代价迅速地进行元素匹配。但是随着网络的发展,传统的布鲁姆过滤器所支持的精确查询已经不能完全满足新兴网络应用的需求,这些网络应用要求对数据进行近似成员查询（Approximate Membe
柔性直流配电系统结构灵活、控制复杂、元件数目较多。系统长期运行时,设备的绝缘老化、鸟类跨接导线、雷击灾害等现象不可避免,有可能导致系统短路、绝缘子串闪络等故障。不同的故障类型对系统有不同的影响,系统相应的保护策略也不同。分析系统常见短路故障及雷击故障的过电压特性,提高系统故障类型的识别精度,有助于运维人员采取准确的防护措施,改善相关设备的绝缘设计,对系统的安全运行具有重要意义。本文首先对比系统不同
随着国家工业4.0战略的提出和实施,工业控制（工控）系统通过融合传统互联网虽然能为其带来便捷性,但是也给工控系统带来了更多的安全隐患。入侵检测方法是对系统中的攻击行为进行识别并给出相应的响应策略以达到排除系统安全隐患的目的,被广泛应用于工控安全领域。机器学习是开发能够模拟人类智能的计算机算法的技术。核极限学习机（Kernel Etreme Learning Machine,KELM）是机器学习经典
近年来,显著性目标检测逐渐得到广泛的关注和研究,并在识别、监测、视觉跟踪定位等领域都有重要应用。基于深度学习的显著性目标检测方法通常通过卷积神经网络学习得到显著性特征,但在复杂场景下,由于背景元素与前景相似或背景对前景造成遮挡等原因,导致显著性物体中像素难以被捕获,从而影响显著性目标检测的预测结果。由于这些像素广泛地分布在显著性轮廓周围,基于边缘增强的显著性检测网络应运而生。基于边缘增强的显著性检
当今大多数城市、农村的儿童远离农业对农业知之甚少,有着农业辛苦落后等错误观念。通过儿童农业教育可以提高儿童农业素养、改善农业观念,这对儿童未来服务农业等很重要。目前国内儿童农业教育的研究刚起步,教育内容不全面且主要在和食物有关的方面,教育形式上以各种户外体验教育为主。国外的儿童农业教育研究起步早,有全面的教育内容框架和更为丰富的教育形式。严肃游戏在农业教育上具有很大优势,相比传统教育趣味性强、学习
桥梁在使用的全寿命周期内,墩柱可能遭受各种侧向冲击荷载,随着立体化交通的快速发展,山区桥梁的日益增多,近年来我国桥梁因碰撞而破坏的事故呈增多趋势。对于桥梁结构的撞击动力分析,现有的规范或经验静力法虽有简单实用的特点,却难以反映墩柱动态响应特征,有限元模型模拟可以得到柱响应的准确预测,但这种方法并不能直接用于设计分析,两种方法均有其局限性。有鉴于此,本文旨在根据墩柱在遭受侧向冲击荷载时的动态响应特征
拓扑优化方法是利用给定的优化算法,反复进行优化迭代,从而在满足约束条件的前提下,获得结构设计区域内材料的最佳分布的一种结构优化设计方法。这种方法在一定程度上克服了传统结构优化方法周期长、材料利用效率低以及受到工程人员过往的设计经验的限制,难以实现结构的创新设计等问题,能够有效地降低结构的开发成本,提高结构的性能。传统的拓扑优化方法较多地考虑了单一的机械载荷作用,然而在现代高端装备设计中,结构往往承
活塞作为柴油机燃烧室内的关键零部件,在工作状态下既需要承受高温高压的作用,还会受到机械载荷如惯性力和摩擦力的作用,在进行活塞的设计时,应充分考虑到活塞的性能情况。本文通过对活塞所受到的热负荷和机械负荷进行计算,同时使用有限元仿真模拟的方法得到活塞在工作状态下温度场和应力分布情况,根据计算结果提出优化改进措施,最终达到活塞陶瓷镶块内应力减少10%的目标。（1）对有限元分析理论、温度场分析、热机耦合分