找到 2 条结果
FeNi粉末对FeSiBNbCu纳米晶软磁粉芯磁性能的影响
Effect of FeNi powder on the magnetic properties of FeSiBNbCu nanocrystalline soft magnetic powder cores
Junru Liu · Yaqiang Dong · Xingjie Jia · Aina He 等6人 · Journal of Materials Science: Materials in Electronics · 2025年1月 · Vol.36.0
高性能软磁材料的开发对于提升磁粉芯的电磁性能具有重要意义，有助于其在高频电力电子领域中的更广泛应用。本研究通过将超细FeNi粉末与FeSiBNbCu纳米晶粉末复合，制备了一种新型Fe基软磁复合材料。系统研究了FeNi添加量对复合磁粉芯微观结构、相对密度及磁性能的影响。结果表明，超细FeNi粉末能够有效填充FeSiBNbCu纳米晶粉末之间的颗粒间隙，从而促进致密化并改善磁性能。当FeNi含量达到50 wt.%时，复合材料表现出最优的综合性能，包括密度6.55 g/cm³、相对密度86.95%、在1...
解读: 该FeSiBNbCu纳米晶复合软磁材料研究对阳光电源高频功率器件具有重要价值。在1MHz下实现36.16有效磁导率和2731mW/cm³低损耗,可优化SG系列逆变器和ST储能变流器中的高频变压器与电感设计,提升功率密度。82.49%的直流偏置保持率适用于OBC车载充电机和电机驱动器的磁性元件,降低高...
基于物理的锂离子电池电化学模型参数辨识及其双种群优化方法
Physics-based parameter identification of an electrochemical model for lithium-ion batteries with two-population optimization method
Aina Tian · Kailang Dong · Xiao-Guang Yang · Yuqin Wang 等7人 · Applied Energy · 2025年1月 · Vol.378
摘要 伪二维（P2D）模型因其基于物理原理的高精度，在电池管理系统中展现出日益广阔的应用前景。然而，由于难以准确辨识多个参数，且常出现求解不收敛的问题，限制了其实际应用效果。传统的数据驱动型P2D模型参数辨识方法虽然先进，但通常需要大量数据，且缺乏必要的物理机理洞察，容易导致过拟合。为应对上述挑战，本研究首先开展参数敏感性分析，以确定各类参数辨识的最佳条件；进而提出一种双种群多目标优化算法，高效地筛选出非劣解参数集。该算法的独特之处在于引入非收敛种群，以增强狼群种群的更新过程，从而提升参数辨识的...
解读: 该P2D模型参数辨识技术对阳光电源储能系统具有重要价值。通过双种群优化算法精确识别23个电池参数,可显著提升ST系列PCS和PowerTitan储能系统的BMS精度,动态工况下电压预测误差控制在9mV以内。该物理驱动方法可增强iSolarCloud平台的电池健康状态评估和预测性维护能力,避免纯数据驱...