针对锂离子电池荷电状态(Stage of charge,SOC)在线估计精度不高,等效电路模型法估计精度与模型复杂度相矛盾的问题,本文对扩展卡尔曼滤波算法进行了改进,并以电池工作电压、电流为输入,对应等效电路模型法的SOC估计误差为输出,采用极限学习机算法,建立基于输入输出数据的SOC估计误差预测模型,采用物理–数据融合方法,基于误差预测模型,建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明,改进扩展卡尔曼滤波算法提高了算法的估计精度,而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差,克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题,进一步提高了SOC的估计精度,满足估计误差不超过5%的应用需求
Ruhrstahl Heraeus(RH)精炼炉是重要的二次精炼装备,但在真空处理过程中会遇到钢液易挥发合金元素的损失量大的问题,且造成钢液真空喷溅的结瘤及对后续钢液的二次氧化。针对含锰钢RH真空处理过程锰的气化导致的元素损失及真空喷溅等问题,跟踪和研究了120 t RH不同真空处理模式下钢液中Mn元素的变化规律及迁移行为。分析了锰元素损失与其挥发和真空喷溅的关系,并在RH真空室内壁不同位置结瘤物的解剖实验中得到验证。研究表明,钢液中Mn元素在RH真空过程中存在着明显损失,真空前期损失量最大;RH真空室内壁结瘤物中锰氧化物的质量分数整体占比高达14%~70%;热力学计算结果显示:温度、钢中Mn的含量以及真空度对Mn的挥发行为均有着很大的影响,是真空过程锰迁移的关键影响因素。通过改进真空压降模式,采用步进式抽真空,元素锰的损失由原先的2×10?4降低至1×10?4,结果对现场生产具有很强的指导意义,通过改进真空压降模式可以有效的抑制钢液的喷溅和挥发,进而减少合金元素锰的损失