-
公开(公告)号：CN113281456A
公开(公告)日：2021-08-20
申请号：CN202110496703.8
申请日：2021-05-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种生物炭表面官能团快速微量测定方法，包括以下步骤：S1、对生物炭表面进行酸/碱滴定，获取数据；S2、建立质子消耗模型；S3、编译计算模型；S4、对数据进行拟合计算。通过使用自滴定仪自动滴定，同时记录加入每滴酸/碱变化后的溶液pH，减小了个人误差、提高了测定结果的精确性。将Boehm滴定法所需的5种标准溶液缩减为两种，将Boehm滴定法测定一次(以两组平行实验记)所需的10次滴定缩短至2次滴定，将测试用时24～30h缩减至1～2h，从而简化了操作、缩短了测定时间、提高了工作效率，并且所用测定仪器的成本较低，实验步骤均为称量、溶液配制、pH测量等基本操作，免除大型仪器的使用，试剂仅为盐酸与氢氧化钠，可操作性强。
-
公开(公告)号：CN118011257B
公开(公告)日：2025-02-18
申请号：CN202410128249.4
申请日：2024-01-30
Applicant: 哈尔滨工业大学
IPC: G01R31/392 , G01R31/389 , G01R31/387 , G01R31/396 , G01N27/82
Abstract: 一种电池极化分布无损检测方法及电池快速分类方法，属于电池检测技术领域，本发明通过检测锂离子电池驰豫过程外部磁场二维分布映射电池内部极化分布的变化，实现电池内部极化分布的无损检测，可有效分析电池内部不同位点电化学特征。本方法通过电池内部极化分布特征差异实现不同电池的快速筛选分类，有助于电池快速一致性分类和异常筛查。该方法与常规电化学检测方法相比，该方法允许对电池进行快速无损检测，特别是对于出厂测试、电池组不一致性检测以及大规模长期储存电池的快速检测。
-
Patent Agency Ranking
公开(公告)号：CN113009349A
公开(公告)日：2021-06-22
申请号：CN202110381523.5
申请日：2021-04-09
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G01R31/392
Abstract: 本发明公开一种基于深度学习模型的锂离子电池健康状态诊断方法，包括：对锂离子电池进行锂离子电池循环老化测试；获取每一循环过程中锂离子电池健康状态真实值；获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据；对二阶RC等效电路模型中的电路元件参数进行辨识，并构建锂离子电池寿命特征参量矩阵；建立并训练特征转换的深度学习模型，对待估计锂离子电池进行任意条件下的充放电测试，获得测试数据；对阻抗参数进行辨识，构建锂离子电池特征参量矩阵并作为输入数据，输入到训练后的特征转换的深度学习模型中，获得计算结果，作为待估计锂离子电池的SOH。本发明计算能力强，精度高，适应性宽。
-
公开(公告)号：CN117686908A
公开(公告)日：2024-03-12
申请号：CN202311692075.6
申请日：2023-12-11
Applicant: 哈尔滨工业大学
IPC: G01R31/36 , G01R33/022
Abstract: 一种电池极耳和集流体断裂无损检测方法，涉及电池检测技术领域，其中包括：在电池恒流充放电过程中，采用磁传感器对被测电池外部磁场分布B(i,j)进行测试；计算求解电池对应工况状态下的电池外部磁场分量Bz(i，j)在x和y方向的梯度分布#imgabs0#和#imgabs1#正常电池体现为均匀连续的梯度变化，若在极耳/集流体某一位点出现外部磁场分量梯度的骤升/骤降变化，则可判断电池极耳/集流体在此处发生断裂。通过应用本发明，能够准确判定极耳和集流体断裂发生位点。
-
公开(公告)号：CN118011257A
公开(公告)日：2024-05-10
申请号：CN202410128249.4
申请日：2024-01-30
Applicant: 哈尔滨工业大学
IPC: G01R31/392 , G01R31/389 , G01R31/387 , G01R31/396 , G01N27/82
Abstract: 一种电池极化分布无损检测方法及电池快速分类方法，属于电池检测技术领域，本发明通过检测锂离子电池驰豫过程外部磁场二维分布映射电池内部极化分布的变化，实现电池内部极化分布的无损检测，可有效分析电池内部不同位点电化学特征。本方法通过电池内部极化分布特征差异实现不同电池的快速筛选分类，有助于电池快速一致性分类和异常筛查。该方法与常规电化学检测方法相比，该方法允许对电池进行快速无损检测，特别是对于出厂测试、电池组不一致性检测以及大规模长期储存电池的快速检测。
-
公开(公告)号：CN117665601A
公开(公告)日：2024-03-08
申请号：CN202311692078.X
申请日：2023-12-11
Applicant: 哈尔滨工业大学
IPC: G01R31/382 , G01R31/52 , G01R33/022
Abstract: 一种基于磁场梯度分布的电池内短路无损检测方法，涉及电池技术领域，步骤包括：在电池恒流充电状态、恒流放电状态或搁置过程中，采用磁传感器对被测电池外部磁场分布进行任意时间间隔检测；获取不同时间点电池对应工况状态下外部磁场的相对变化分布；计算外部磁场的相对变化分布的磁场分量在y和x方向的梯度分布 和 若磁场分量梯度分布均在同一区域出现梯度骤变，且均沿轴方向出现梯度方向反转，则可判断该电池在此区域发生内短路，本发明能够准确判定内短路故障，且能够确定内短路发生位点和内短路严重程度。
-
公开(公告)号：CN113009349B
公开(公告)日：2024-01-05
申请号：CN202110381523.5
申请日：2021-04-09
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G01R31/392
Abstract: 本发明公开一种基于深度学习模型的锂离子电池健康状态诊断方法，包括：对锂离子电池进行锂离子电池循环老化测试；获取每一循环过程中锂离子电池健康状态真实值；获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据；对二阶RC等效电路模型中的电路元件参数进行辨识，并构建锂离子电池寿命特征参量矩阵；建立并训练特征转换的深度学习模型，对待估计锂离子电池进行任意条件下的充放电测试，获得测试数据；对阻抗参数进行辨识，构建锂离子电池特征参量矩阵并作为输入数据，输入到训练后的特征转换的深度学习模型中，获得计算结果，作为待估计锂离子电池的SOH。本发明计算能力强，精度高，适应性宽。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
