锂离子电池在大功率应用下的热控制和热管理已成为制约电动汽车商业化的瓶颈，为解决此问题，运用微热管阵列设计锂电池模块散热系统，在开放条件下对电池模块进行恒流18 A（1 C）和36 A（2 C）充放电测试，通过测量布置微热管阵列前后电池表面温度可知：在1 C和2 C充放电倍率下，散热系统能够有效的降低电池模块的温度及电池间温度差异，将温度和温度差值分别控制在40℃与5℃之内，可以解决温度对电池寿命和容量的影响问题.基于实验数据，对其中一2 C工况热量进行了计算，得到通过微热管阵列的对流散热量达到模块生热量的40%

以稻草为原料,经酚化、交联和胺化后合成了季铵型木质素,并研究了其对AuCl4-的吸附性能.通过傅里叶红外光谱(FT-IR)、扫描电镜(SEM)和差热-热重分析(TG-DSC)对合成产物进行了表征,考察了AuCl4-初始浓度、盐酸浓度和吸附时间对AuCl4-吸附效果的影响.研究结果表明,合成的产物为热稳定性好且含有大量孔隙和表面粗糙的不规则块状季铵型木质素;在盐酸浓度为0.5 mol·L-1,AuCl4-初始浓度为6.0 mmol·L-1,吸附100 h时AuCl4-的最大吸附容量为3.27 mol·kg-1,在0.5 mol·L-1盐酸和1.0 mmol·L-1 AuCl4-的条件下吸附达到平衡时间为360 min.经扫描电镜和X射线衍射分析和傅里叶红外光谱分析表明吸附后的AuCl4-被季铵型木质素中的酚羟基还原而以单质形态析出

第4章 药物制剂分析 第5章 容量法测定药物的含量 第6章 光谱法测定药物的含量 第7章 色谱法测定药物的含量 第8章 中药与天然药物的分析 第9章 生物药物的分析 第10章 药品质量标准的制订

《工程科学学报》：基于Pareto的电池容量衰退权衡优化控制策略

本文在[1]的基础上作了较一般的推广。将脱碳动力学模型中的容量传质系数作为随机系数来处理。在某些假定条件下,求出了解过程的理论表达式,并进行了矩函数计算

通过简单的水热反应原位合成了具有核壳结构的FeS2微米球与多壁碳纳米管复合的介孔材料(C-S-FeS2@ MWCNT).FeS2微米球表面由纳米片状颗粒堆叠形成的厚度为~350 nm壳层, 以及以化学键的形式吸附在微球表面的碳纳米管共同构成了材料保护层.保护层具有丰富的官能团和大量的孔隙结构, 保证了锂离子扩散通道, 并有效抑制了体积膨胀.C-S-FeS2@ MWCNT在200 mA·g-1的电流密度下, 250次循环可逆容量达到638 mA·h·g-1, 倍率性能也得到明显改善, 为过渡金属硫化物电极材料的微米化设计和体积能量密度的提升提供了可能

随着移动互联网技术的快速发展、无线终端设备与移动应用流量需求与日俱增,移动用户对无线通信网络的服务质量(quality of service, QoS)要求越来越高、回传网络的压力也越来越大. 新出现的云无线接入网(cloud radio access network, C-RAN)能够有效提升网络容量、提高用户服务质量,同时采用无源光网络(passive optical network, PON)作为其回传网络(backhaul),能够为其提供大带宽、高可靠、低时延的回传支撑. 在移动应用需求不断变化和回传网络资源有限的条件下,高效的资源调度策略至关重要,其能够有效的提升回传网络资源利用率、降低传输等待时延. 为节约回传网络波长资源、提高波长负载均衡性和资源利用率,提出一种下行资源调度策略. 根据高热点区域无线用户实时网络需求,综合考虑回传网络波长使用数量、负载均衡性和实时业务分配均匀度等优化目标,采用自适应权重并行遗传算法完成其优化过程,从而实现波长资源动态分配,提升网络资源利用率. 仿真结果表明,提出的下行资源调度策略能有效提高网络负载均衡性和网络资源利用率,并降低实时业务等待传输时间

以Na2MoO4·2H2O、NiSO4·6H2O和MnO2为原料, 采用水热法成功制备了类松果状NiMoO4/MnO2复合材料.通过X射线衍射、扫描电子显微镜、恒电流充放电、循环伏安和交流阻抗对材料进行表征.结果表明, MnO2的最佳质量分数为10%, 所得NiMoO4/MnO2复合材料具有类松果状形貌, 其颗粒直径为200~600 nm, 且表面粗糙、多孔; 在1 A·g-1的电流密度下, MnO2质量分数为0、5%、10%、15%、20%时, 所得复合材料NM0、NM5、NM10、NM15和NM20的放电比电容分别为260、248、650、420和305 F·g-1.在电流密度为10 A·g-1下, 最佳样品NM10复合材料的首次放电比容量为102 F·g-1, 经过100次循环后, 其放电比电容稳定在147 F·g-1.该性能的提高, 主要是由于MnO2的引入弥补了NiMoO4单一材料存在的不足, 从而达到协同增效的作用

现阶段, 锂离子电池已经成为电动汽车最重要的动力源, 其发展经历了三代技术的发展(钴酸锂正极为第一代, 锰酸锂和磷酸铁锂为第二代, 三元技术为第三代).随着正负极材料向着更高克容量的方向发展和安全性技术的日渐成熟、完善, 更高能量密度的电芯技术正在从实验室走向产业化.本文从锂离子电池产学研结合的角度, 从电池正负极材料, 电池设计和生产工艺来分析动力电池行业最新动态和科学研究的前沿成果, 并结合市场需求与政策导向来阐述动力电池的发展方向和技术路线的实现途径

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型