Areas | |
---|---|
Serie de libros (95) |
1329
|
Letra |
2300
|
Ciencias Naturales |
5356
|
Ciencias Ingeniería |
1751
|
Ingeniería | 285 |
Ingeniería mecánica y de proceso | 844 |
Ingeniería eléctrica | 672 |
Mineria y metalurgía | 30 |
Arquitectura e ingeniería civil | 73 |
General |
91
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
Lectura de prueba, PDF (620 KB)
Indice, PDF (540 KB)
Die exakte Ermittlung des Ladezustands einer Lithium-Ionen-Batterie – im Speziellen einer Lithium-Eisenphosphat-Batterie – stellt eine nicht unerhebliche Herausforderung bezüglich der Signalverarbeitung dar. Bisherige, auf einem elektrischen Batterieersatzschaltbild basierende Verfahren im Zeitbereich, wie das Kalman-Filter, das Extended Kalman-Filter oder der Zustandsbeobachter, stoßen dabei an ihre Grenzen. So kann bei den ruhespannungsbasierten Verfahren die Ladezustandsermittlung im mittleren Bereich mit Genauigkeiten im einstelligen Prozentbereich nur mit sehr großem messtechnischen Aufwand realisiert werden. Neben einer Erweiterung bekannter zustandsraumbasierter Verfahren, wie dem Kalman-Filter und dem Zustandsbeobachter, durch eine Online-Parameterprädiktion werden neuartige Methoden zur Analyse des Ladezustands der Batterie im Frequenzbereich vorgestellt. Im Fokus der Untersuchungen steht die Anwendung bekannter Klassifikationsverfahren auf die Daten der Batterie im Frequenzbereich. Ein Vergleich der Zeit- und Frequenzbereich-basierten Verfahren soll ihre Vor- und Nachteile herausarbeiten und mögliche Synergien für hybride Algorithmen zur Ladezustandsbestimmung über den gesamten Ladezustandsbereich aufzeigen.
ISBN-13 (Impresion) | 9783736970113 |
ISBN-13 (E-Book) | 9783736960114 |
Idioma | Deutsch |
Numero de paginas | 194 |
Edicion | 1. |
Serie | Audi Dissertationsreihe |
Volumen | 138 |
Lugar de publicacion | Göttingen |
Lugar de la disertacion | Dortmund |
Fecha de publicacion | 03.05.2019 |
Clasificacion simple | Tesis doctoral |
Area |
Ingeniería eléctrica
Ingeniería de energía |
Palabras claves | Lithium-Eisenphosphat, Batterie, Ladezustand, Kalman-Filter, Zustandsbeobachter, Stützvektormaschine, Nächster-Nachbar-Klassifikator, Künstliche Neuronale Netze |
URL para pagina web externa | http://www.dt.e-technik.tu-dortmund.de/cms/de/lehrstuhl/alumni/alumni/jansen.php |