科创中国

制造业,汽车制造业

针对锂电池退化过程中由于容量再生现象而造成的锂离子电池健康状态预测不精确，泛化性低的问题且再生容量存在快速退化现象。通过CEEMDAN算法将原始曲线分解为主趋势子序列和高频子序列，削减不相干高频子序列，通过单层LSTM神经网络模型实现锂离子电池健康状态快速有效的预测。模型简单高效且RMSE误差率低于***%。此外，针对车载永磁同步电机通过普通传感器监测健康运行状态受限，提出一种永磁同步电机多物理场多目标优化方法。以***永磁同步电机为研究对象（选择转子磁铁中中高扭矩、高效率的1V型），使其在影响电机性能和舒适度的效率、永磁体温度、声压级、最大应力、最大扭矩和扭矩脉动等主要参数上均比优化前的电机性能得到全面提升。搭建了电机温度和振动实验平台构建了转速为输入，多物理场性能指标为输出的车载电机孪生模型，实现更好的数-模联动优化策略。

1、针对新能源汽车电池容易出现松驰效应和容量再生现象，通过CEEMDAN削减不相干高频子序列，插值补偿，使得退化曲线更加光滑，同时利用LSTM预测模型快速的对汽车电池健康状态准确预测。2、提出了一种永磁同步电机电磁、应力、温度、振动和噪声多物理场多目标优化方案，开发了以电机速度为输入、以多物理场性能指标为输出的数字孪生模型，从而预测电机的正常工作状况，可以替代传统传感器无法完成的工作。

郭黎，博士，教授。博士后导师，硕士生导师。学术兼职： IEEE Member, CAA中国自动化学会学员, 中国人工智能学会学员，DDCLS数据驱动控制、学习与优化专业委员会委员，系统智能诊断与健康管理专业委会委员。 科研经历与研究方向： 2013年6月博士毕业于四川大学（博士）。2021年7月博士后出站（博士后）。曾受国家留学基金委CSC公派赴University of Groningen（荷兰）开展学术交流与科研合作（访问学者）。芜湖市C类人才。

点击查看