环境污染和自然能源日益匮乏,汽车工业的可持续发展受到影响,开发和利用可再生清洁能源是人类社会发展和进步的必然选择[1]。电动汽车是一种绿色、经济的交通工具,因此未来汽车制造业的重点研究方向之一是电动汽车[2]。在许多常用的二次电池中,锂离子电池在当代电力电子设备中颇受欢迎[3-4]。锂离子电池作为电动汽车的储能元件,受到广泛应用。

相比传统的镍铬、铅酸等电池,锂离子电池具有能量密度更高,对环境污染小,而且使用寿命更长,工作电压高等特点,并且自放电倍率低、维护成本低、无记忆效应[5-6]。锂离子电池的使用寿命和性能与充电方法密切相关,因此选择高效快速的充电方法至关重要[7]。传统的恒流恒压CC-CV(Constant Current-Constant Voltage)充电法充电速度慢,极化严重,充电过程电池温升高,充电效率较低[8-9]。而传统的三段式充电法相比CC-CV充电法提高了充电速度,但充电效率仍较低[10]。传统的五阶恒流充电法相比三段式充电法充电速度快,但充电过程中的极化效应导致温升较大和充电效率不高[11-12]。将田口法TM(Taguchi Method)和传统五阶恒流充电法相结合可显著提高充电速度[13-14],但由于极化影响,充电效率仍不高[15]。

研究结果表明，在恩施烟区海拔540～1 680 m范围内，中部烟叶烟碱和总氮含量与海拔高度呈正相关，还原糖和钾含量以及主要化学成分指标派生值与海拔高度呈负相关，但均未达显著水平，而化学成分协调性得分则与海拔高度呈显著负相关，说明中部烟叶各主要化学成分指标及其派生值与海拔高度的相关性不甚密切，比较而言，化学成分协调性受海拔高度影响相对较大，随着海拔升高，协调性逐渐降低。这一结果与朱兴党［10］、王彪等［11］、沈燕金等［12］的研究结果基本一致，而与高林等［8］、曹学鸿等［9］的研究结果相反，这可能是由于取样海拔高度的差异造成的。

本文提出基于TM的改进五阶恒流充电法,模糊控制器1用来对执行田口实验后输出的参数进行处理得到求信噪比(S/N)公式中的自变量FDI。针对充电过程中的极化现象,采用两个模糊控制器来实现去极化,模糊控制器2用来确定给予负脉冲去极化的时机,模糊控制器3用来判断给予负脉冲去极化的宽度。

1 改进五阶恒流充电法的工作原理

传统五阶恒流充电法原理如图1所示,每个阶段分别预设一个电流值,并设置一个限制电压Vlim,当电池端电压达到设定的限制电压则进行下一阶段的充电过程。极化的意思是在电池充放电的过程中,因流过电流引起电池两端的电压大于实际的开路电压。传统五阶恒流充电法未能很好地消除充电过程中的极化效应,导致充电效率不高,充电速度较慢。根据马斯三定律,负脉冲和停充的方式可以有效地消除电池充电过程中的极化现象,因此在5个电流等级之间加间歇和负脉冲来消除极化。改进五阶恒流充电法原理如图2所示。

图1 传统五阶恒流充电法原理

图2 改进五阶恒流充电法原理

针对锂离子电池充电过程中的极化现象,根据锂离子电池的温度变化ΔT、析气点电压Uq、荷电状态SOC来结束上阶段电流的充电,间歇一段适当的时间,再根据电池的温度变化ΔT、极化电压Uj、荷电状态SOC来供给负脉冲去极化的时机和宽度。

彭伟民从欧阳锋手中夺过手机，拨通自己的手机号码，再将未接电话号码保存下来，编辑姓名时想也没想地输入了两个字：畜生。房间里弥漫着淡淡的烟味和酒味。彭伟民趿着拖鞋在房间里踱了几个来回，把手机扔给欧阳锋，极不耐烦地说：“今晚的表演到此为止，演戏的不累，看戏的乏了。不过这事情没完，别以为死皮赖脸地说声对不起就能了事，证据在我手里，你想赖都赖不掉！快滚！滚！”

2 基于TM的改进五阶恒流充电法设计

2.1 TM原理

TM参数原理图如图3所示,影响Y的参数有3类:控制因子X、信号因子S和噪声因子N,Y表示产品的输出值,即求信噪比(S/N)公式中的自变量FDI。控制因子X为输入量,即I1-I5;信号因子S用来反映产品所应有的值,噪声因子N是不可控因子,比如噪声,直接控制噪声代价大,所以通过控制可控因子I1-I5的水平,实现提高产品质量的目的,而产品质量由信噪比S/N来表达。

图3 TM参数原理图

②如果优化水平是那么

同水平正交表可以表示为LB(CD),如表1所示,L表示正交表代号,B表示实验次数,C表示因素水平数,D表示正交表列数也是因素数,B远远小于CD。本文采用混合型正交表L18(21×37),它能处理具有2个水平的1个因子和具有3个水平的7个因子的情况。

表1 LB(CD)正交表

因素数实验数x1…xi…xD响应值Y1x11…X1i…X1DY1︙︙ ︙ ︙︙jxj1…Xji…XjDYj︙︙ ︙ ︙︙BxB1…xBi…xBDYB

根据正交实验进行充放电过程,得到充电时间充电容量百分比作为模糊控制器的输入,输出是FDI。模糊控制器1框图如图4所示。

图4 模糊控制器1框图

2.2 基于模糊控制的负脉冲去极化原理

电池在充电过程中会发生极化现象,导致电池接受大电流充电的能力变弱,降低充电效率和充电速度,需要给予负脉冲来消除极化,进而提升锂离子电池接受大电流的能力,缩短充电时间,提高充电效率。基于模糊控制的负脉冲去极化系统结构图如图5所示。

图5 基于模糊控制的负脉冲去极化系统结构图

图6 ΔSOC,ΔT和Uq的隶属函数曲线

模糊控制器2根据荷电状态的变化率ΔSOC和温度的变化率ΔT来确定析气点电压Uq,将此电压与锂离子电池实时的端电压进行对比,进而决定给予负脉冲去极化的时机。若电池两端的电压大于析气电压,充电进入临界状态,析气开始发生。温度、电解液含碱度以及SOC等影响电池的析气电压,电流对SOC改变的影响因子为析气系数η,定义η的函数为η=f1(SOC,T)[16]。选择ΔSOC和ΔT作为模糊系统的输入量,析气电压值Uq为输出量,隶属函数曲线分别如图6(a)、6(b)、6(c)所示。ΔSOC和ΔT的模糊语言设为{VS(很小)、S(小)、M(中)、B(大)、VB(非常大)},Uq的模糊语言设为{VL(非常低)、L(低)、M(中)、H(高)、VH(非常高)}。ΔSOC和ΔT的论域分别为{0,5,10,15,20,25},{0,10,20,30,40,50},Uq的论域为{0,0.5,1,1.5,2,2.5,3,3.5}。模糊规则如表2所示。

表2 模糊规则

ΔT/ΔSOCVSSMBVBVSVHVHHMMSVHHMMLMHMMLLBMMLLVLVBMLLVLVL

模糊控制3根据计算出的极化电压Uj和荷电状态SOC,经过一系列的模糊推理判断来输出负脉冲加给的宽度L。Uj、SOC和L的模糊语言设为{PZ(零),PS(正小),PM(正中),PB(正大),PV(非常大)},Uj和SOC的论域为{0,+1,+2,+3,+4,+5,+6},L的论域为{0,+1,+2,+3,+4,+5,+6,+7,+8,+9}。隶属函数曲线如图7(a)、图7(b)所示,模糊规则如表3所示。

图7 Uj和SOC,L的隶属函数曲线

表3 模糊规则

Uj/SOCPZPSPMPBPVPZPZPZPZPSPSPSPZPSPSPMPMPMPSPSPMPBPBPBPMPMPBPVPVPVPBPBPVPVPV

2.3 基于TM的改进五阶恒流充电法原理

基于TM的改进五阶恒流充电法的充电电流寻优流程图如图8所示。

TM法正交实验可得输入模糊控制器后输出FDI,根据FDI估算信噪比S/N,进而得出因子影响结果图,根据因子影响确定最优的五阶充电电流值,而此时用优化的五阶充电电流值充电可以得到充电成本效益函数的最大值的隶属函数曲线分别如图9(a)、图9(b)、图9(c)所示,图中模糊语言值设为{VS(很小),SS(小),MS(中小),M(中),ML(中大),LL(大),VL(很大)的论域为的论域为[105%,125%]。FDI估算模糊规则如表5所示。

图8 基于TM的改进五阶恒流充电法的充电电流寻优流程图

可分为如下几个步骤:

(1)电池选取 选取内部阻抗相同的4个同一型号的3.6 V/2 500 mAh锂离子电池来验证本文提出的基于TM的改进五阶恒流充电法优于传统五阶恒流充电法;

氧弹燃烧液闪测量法是目前比较普遍使用的生物样品14C分析方法，尤其是针对环境生物样品。本方法通过氧弹燃烧将干燥的生物样品转化为二氧化碳和水，利用碱性有机试剂吸收生成的二氧化碳，与有机闪烁液混合制备成待测样品，放入液闪谱仪中测量。[1-3]此方法在国际上也有较为普遍的使用，例如加拿大、法国、日本等国。在国内实践应用的基础上，有必要推出关于生物样品14C分析方法的相关标准。我单位承担了此项分析方法国家标准的编写工作。在此之前，已经完成了该方法的企业标准编写并获得发布[4]。

(2)OA设计 充电控制因子即电流I1-I5。每个控制因子分高、中、低3个水平。构造的混合型正交表L18(21×37)如表4所示;

机遇总是留给有准备的人。2019年的空调市场虽然不乐观，却不乏增长驱动力，依然会有大量的新增需求涌现。比如，一二级市场的更新换代，三四级市场的普及购买；棚户区改造、城镇化提速、自贸区扩大等政府项目催生的新增需求，等等。空调企业只要把握住了这些机遇，就能实现逆势上扬。显然，“软硬两手抓”的新科空调正已经蓄力待发。在2019年，新科空调将推出挂机3大系列新品，柜机2大系列、8个款式、共16个型号，全面满足消费者对高端智能化产品的需求。“尽管国内国外形势依然错综复杂，空调市场也存在着诸多的风险及挑战，但是，我们依然有信心的在新的一年逆势而上，圆满完成任务。” 黎昕如此强调。

表4 L18(21×37)正交表

实验数XI1I2I3I4I5XX111111111211222222311333333412112233512223321612331112713121323813232131913313212102113322111212113321221322113132212313214222312131522312321162313231217232131231823321231

(3)电池充放电及去极化 运用多功能测试仪来执行快速充电以及放电过程。在基于TM的改进五阶恒流充电法的基础上,根据TM正交实验得到五阶电流值,在充电过程中实时检测电池的极化程度,当满足去极化条件的时候,先停止充电间歇一段时间后执行去极化过程,当检测到电池端电压下降到析气点电压的时候终止去极化,间歇一段时间,如果完整的五阶充电过程未完成,那么继续充电,如果五阶充电已经完成,则以1C进行放电。根据多功能测试仪输出文件中的数据得出每个电池在测试条件下的

(4)充电成本效益函数的估算 在满足快速充电条件的需求和各阶充电电流的水平约束条件下,建立充电成本效益函数。充电成本效益函数的两个指标分别是充电时间充电容量倍率百分比两个指标对函数的具体作用如式(1)和式(2)所示。

(1)

使得

(2)

[4] Huang Tzu-Chi,Peng Ruei-Hong,Tsai Tsu-Wei. Fast Charging and High Efficiency Switching-Based Charger with Continuous Built-In Resistance Detection and Automatic Energy Deliver Control for Portable Electronics[J]. IEEE Journal of Solid-State Circuits,2014,49(7):1580-1594.

(3)

2.2.1 叶片长度 从图3看出，4月10日至6月7日，桑树新梢叶片长度生长量有6次生长高峰，经过较快、最快、快、较快、慢、较慢直到停止生长的过程，长度从3.4 cm增至21.6 cm，增长5.35倍；其日生长量在该生长过程中有2次生长高峰，日生长量为0.03～2.23 cm。从表2看出，桑树新梢叶片长度的生长量和日生长量变化与时间变化间形成的回归方程曲线符合二次曲线规律。新梢叶片长度的生长量和日生长量变化与时间变化间的相关性分别呈高度正相关和显著正相关，其显著性分别呈极显著和显著水平。

其中，品质得分=3×(色泽得分×0.4+气味得分×0.3+外形得分×0.3)。综合得分越高，代表干燥工艺越好。

图和FDI的隶属函数曲线

表5 FDI估算模糊规则

CkcrTkcrSMSMMLLSMMLLLLVLMSMSMMLLLLMSMSMMLLMLSSSMSMMLLVSSSSMSM

(5)终止条件 完成了第j次迭代后,对成本效益函数的值进行估算。将每个阶段电流水平差值0.05C作为终止准则依据。如果电流水平差值达到0.05C,那么将会终止整个充电电流寻优过程,否则迭代次数增加1,并更新正交表形成新的充电模式。更新规则如下:

①如果优化水平是那么

2.2 为各项产业跨界融合提供借力点 《国务院关于加快发展体育产业促进体育消费的若干意见》（国发〔2014〕46号，以下简称《意见》）在加快发展体育产业的总体要求上明确提出“促进体育产业与其他产业相互融合”的基本原则，以及“积拓展业态，促进康体结合，鼓励交互融通”等3条促进融合发展的任务与要求。在任务导向下，体育特色小镇跨界融合模式的打造任重而道远。

(4)

TM中最重要的部分是参数设计,参数设计通过正交表来实现,利用正交表得到的参数结果与全因子实验法得到的结果十分相近,可以大大减少试验次数。

(5)

③如果优化水平是那么

(6)

④如果那么

(7)

用废电解液来酸化氧化铋在专门的容器中进行，酸化的起始酸度即为废电解液的酸度，控制终点酸度考察氧化铋除氯效果，其他条件一致，其结果见表2。

3 实验结果及分析

为了验证基于TM的改进五阶恒流充电法优于传统五阶恒流充电法,实验中使用3.6 V/2 500 mAh的锂离子电池,同样的荷电状态,统一实验条件进行测试。搭建的锂离子电池快速充放电实验平台如图10所示。

图10 锂离子电池快速充放电实验平台

该实验平台由Arbin测试仪、锂离子电池、温控箱以及电脑组成。在改进五阶恒流充电法的基础上,根据TM正交表L18(21×37)在多功能测试仪上对电池进行充放电实验,第1轮充电过程的控制因子水平设置值如表6所示。

表6 第1轮充电过程的控制因子水平设置值

充电倍率(C)I1I2I3I4I5IH(1)1．51．2510．750．5IM(2)1．41．150．90．650．4IL(3)1．31．050．80．550．3

第1轮充放电过程结束后得到的值输入模糊控制器1来得到FDI值,根据FDI值估算信噪比(S/N),信噪比(S/N)由式(8)得到。为了找到当前充电过程中每个阶段电流的优化值,I1-I5这5个因子的影响可以表达为式(9)的形式。

这位人工智能专家找到高水平中医，反复询问大夫看病时会问什么问题。研究发现，大夫问的问题其实通常不会超过三四十个。人工智能专家拟合大夫看病的思维和方法，把大夫看病时望闻问切的过程拟合为一系列提问，形成一份问卷，居然开发出一套看病的软件系统。

(8)

(9)

式(9)中,ηIp,Uw表示因子影响,βUw表示第1轮共18组实验中Ip电流阶段w电流水平的总数量。18组实验FTI和S/N的值如表7所示。第1轮实验后的因子影响如图11所示。

表7 模糊逻辑单元的输出值估算

实验数FTI-1FTI-2FTI-3S/N16059．959．735．544259．559．259．535．476360．259．959．535．543457．657．657．535．203561．661．561．435．777660．560．560．535．635761．461．161．335．74486363．162．735．978962．362．562．035．8851064．164．264．036．1371163．563．463．336．0421263．663．363．336．0421358．758．758．335．3531459．159．059．135．4271559．559．559．535．4901660．660．560．535．6401764．764．363．236．1321860．860．660．835．669

从图11可以看出,能使成本函数值最大的电流水平组合是[1.3C,1.15C,1C,0.55C,0.5C],由于还未满足终止条件,需根据式(4)～式(7)得到第2轮充电过程的控制因子水平设置值,如表8所示。

图11 第1轮实验后的因子影响

表8 第2轮充电过程的控制因子水平设置值

充电倍率(C)I1I2I3I4I5IH(1)1．351．1510．60．5IM(2)1．31．050．950．550．45IL(3)1．2510．90．50．4

根据表8进行实验可以得出第2轮实验后的因子影响如图12所示。

聚焦聚力谋发展 真抓实干谱新篇 ......................................................................................................................2-1

图12 第2轮实验后的因子影响

从图12可知,使成本效益函数最大的因子水平组合是{I1(1),I2(1),I3(1),I4(1),I5(3)},因子影响是越大越好,因此第2轮充放电实验完成后得到的充电值分别是[1.35C,1.15C,1C,0.6C,0.4C],根据图12和式(4)～式(7)可以得到第3轮实验的控制因子水平设置值,如表9所示。

表9 第3轮充电过程的控制因子水平设置值

充电倍率(C)I1I2I3I4I5IH(1)1．351．1510．60．45IM(2)1．31．050．950．550．4IL(3)1．2510．90．50．3

根据表9得到第3轮实验后的因子影响如图13所示。

图13 第3轮实验后的因子影响

图14 两种充电法充电过程中电压变化曲线

表9中每阶电流中3个水平的差值均为0.05满足终止条件,因此整个寻找充电最优值过程结束,第3轮充放电实验完成后得到的优化充电值组合是[1.35C,1.15C,1C,0.5C,0.3C]。在搭建的实验平台上,分别选基于TM的改进五阶恒流充电法和传统五阶恒流充电法对电池充电,两种充电法的五阶充电电流倍率都设置为[1.35C,1.15C,1C,0.5C,0.3C],放电倍率均为1C,不同的是基于TM的改进五阶恒流充电法还包括模糊控制器实时去极化,通过实验得到两种充电法充电过程中电压变化曲线如图14所示,温度差异曲线如图15所示。

图15 两种充电法充电过程的温度差异曲线

从图14可得传统五阶恒流充电法的充电时间为3 720 s,基于TM的改进五阶恒流充电法的充电时间为2 700 s,基于TM的改进五阶恒流充电法相比传统五阶恒流充电法充电速度提高了27.4%。从图15可得基于TM的改进五阶恒流充电法最大温升约1.7 ℃,传统五阶恒流法的最大温升约1.9 ℃,基于TM的改进五阶恒流充电法的最大温升相比传统五阶恒流充电法的最大温升降低了10.5%。表10列出了充电容量、放电容量、充电效率、充电速度等值将两种方法进行对比。基于TM的改进五阶恒流充电法相比传统五阶恒流充电法的充电效率提高了0.5%。

表10 两种充电方法对比

充电方法充电时间/min充电容量/mAh放电容量/mAh充电效率/%基于TM的改进五阶恒流充电法452422．22388．398．60传统五阶恒流充电法622371．52326．598．10

5 结论

针对传统五阶恒流充电法充电速度慢,充电效率不高,去除充电过程中的极化现象的效果不理想的问题,提出了基于TM的改进五阶恒流充电法。根据TM法确定五阶电流的优化充电值,并在充电过程中检测到极化现象就根据模糊控制器2和3执行去极化过程。根据实验得出基于TM的改进五阶恒流充电法相比传统五阶恒流充电法提高了充电速度,降低了最大温升,提高了充电效率。

参考文献:

[1] Cicero L,Tanougast C,Ramenah H,et al. A Li-ion Cell Testbench

[2] 张萱,朱金大. 电动汽车和电网的互通兼容标准化现状和发展[J]. 电网与清洁能源,2015,31(11):83-88.

for Fast Characterization and Modeling,November 3-5,2014[C]//Metz:IEEE,2014.

宫颈长度在早产预测的价值也是近年来的研究热点[10]，有研究发现，孕晚期以26 mm为界值预测早产的敏感性为100%。但是，也有学者指出，不同研究者的经验差异以及测量的误差，一定程度上降低了其预测价值，检测方法的质量控制至关重要[11]。因此，单独以宫颈长度为预测因素预测早产发生，也面临着经验性差异、标准不统一、测量时间标准不统一等困难。

[3] ZiadI Youssef,Qjidaa Hassan. A High Efficiency Li-ion Battery LDO-Based Charger for Portable Application[J]. Active and Passive Electronic Components,2015,2015:1-9.

式(1)和式(2)中,δ表示所有可行的充电电流值的集合;k表示电池标号表示第k号电池所需的充电时间表示第k号电池用基于TM的改进五阶恒流充电法得到的充电容量与用传统五阶恒流充电法得到的充电容量的比值(%),如式(3)所示表示第k号电池在第p阶段的电流值(A);Ccr(min)表示该轮测试实验获得的最小充电容量比值(%);Ccr(max)表示该轮测试实验获得的最大充电容量比值(%);Tcr(max)表示在该轮测试实验中所有电池所需充电时间的最大值(s);Tcr(min)表示在该轮测试实验中所有电池所需充电时间的最小值表示第k号电池所需要的充电时间(s)。a、b是权重因子,满足其和等于1即可,因两个指标同等重要,所以文中取a=b=1/2。

经过40年的改革，我国市场经济环境发生了巨大变化，特别是政府职能的变化，公共财政体制的变化，政府准入的变化，政府绩效评价体系和政府监管。此外，他们对反映政府经济活动的政府账户管理信息提出了更高的请求，因而有必要与时俱进，推进政府账户管理。

[5] Karsten Propp,Abbas Fotouhi,Daniel J Auger. Low-Cost Programmable Battery Dischargers and Application in Battery Model Identification,September 24-25,2015[C]//Colchester:IEEE,2015.

式(4)～式(7)中:p表示第p阶电流,取值1-5;j表示迭代次数,H、M和L分别表示每个控制因子的高、中、低水平。

[6] 付甜甜. 新能源汽车电池概述[J]. 电源技术,2014(12):2217-2218.

[7] 姚雷,王震坡. 锂离子动力电池充电方式的研究[J]. 汽车工程,2015(1):72-77.

[8] 陈益广,唐林,沈勇环. 基于Boost-Buck电路的锂离子电池组均衡充电方法[J]. 电力系统及其自动化学报,2014,26(10):56-60.

[9] 刘炎金,李新静,张佳瑢,等. 锂离子动力电池的不同充电方式[J]. 电源技术,2015,39(9):1846-1848.

[10] 温银堂,贺晙华,王洪斌,等. 基于模糊自适应PID算法的改进三段式蓄电池快速充电系统[J]. 清华大学学报(自然科学版),2014,54(7):952-958.

[11] Chen Z,Xia B,C Mi C,et al. Loss-Minimization-Based Charging Strategy for Lithium-Ion Battery[J]. IEEE Transactions on Industry Applications,2015,51(5):4121-4129.

[12] Abdollahi A,Han X,Avvari G V,et al. Optimal Battery Charging,Part I:Minimizing Time-to-Charge,Energy Loss,and Temperature Rise for OCV-Resistance Battery Model[J]. Journal of Power Sources,2016,303(30):388-398.

[13] Wang Shunchung,Chen Yuanlin,Liu Yihua,et al. A Fast-Charging Pattern Search for Li-ion Batteries with Fuzzy-Logic-Based Taguchi Method. June 15-17,2015[C]//Auckland:IEEE,2015:855-859.

[14] Qu X,Han H,Wong S,et al. Hybrid IPT Topologies with Constant Current or Constant Voltage Output for Battery Charging Applications[J]. IEEE Transactions on Power Electronics,2015,30(11):1-1.

[15] Jiang J,Liu Q,Zhang C,et al. Evaluation of Acceptable Charging Current of Power Li-ion Batteries Based on Polarization Characteristics[J]. IEEE Transactions on Industrial Electronics,2014,61(12):6844-6851.

[16] 周苏,胡哲,陈凤祥,等. 基于析气现象的锂电池系统建模[J]. 电源技术,2010,34(2):134-138.

吴铁洲(1966-),男,湖北武汉人,博士,教授,研究方向为储能技术、系统分析与集成;

电气自动化技术的使用范围广泛，不论是人们日常的生活用的电器设备还是工业企业的制造类设备都需电气自动化技术的支持。目前，电气自动化技术发展到了一定阶段，随着大规模的制造与使用也出现了一些问题，比较严重的就是资源紧张以及电能消耗问题。

何淑婷(1992-),女,湖北武汉人,在读硕士,研究方向为储能技术、锂离子电池快速充电,435332341@qq.com。