1 广东金融学院 实验教学中心，广东 广州 510091
2 广东金融学院 互联网金融与信息工程学院，广东 广州 510091
锂离子电池健康状态（State of Health，SOH）描述了电池当前老化程度，对于提前对电池的故障及失控做出预警避免电池的不安全行为具有重要意义。其估计难点在于难以确定数量合适、相关性高的估计输入以及设计合适的估计算法。通过对现有电池老化数据集的研究发现，电池充电过程中电压曲线数据相对稳定，且随着电池的老化出现规律性变化。因此，文中直接采用充电过程中电压数据作为估计SOH的输入，并在数据驱动的框架下，提出了一种基于门控循环神经网络（Recurrent Neural Networks with Gated Recurrent Unit, GRU-RNN）的锂电池SOH估计方法。该方法能够挖掘出一维电压数据中的时序特征和SOH之间的映射规律。在两个公开的电池老化数据集上的实验结果表明，提出的方法达到了1.25%的均方绝对误差和低于5.62%的最大误差，在估计精度上达到现有技术发展水平。
锂离子电池 健康状态 门控循环单元 循环神经网络 深度学习 lithium-ion battery state of health gated recurrent unit recurrent neural networks deep learning 红外与激光工程
2021, 50(2): 20200339
透明导电氧化物薄膜在光伏器件、平面显示器件中有着广泛的应用, 其介电函数是薄膜材料器件化过程中不可忽略的基本物理参数。使用脉冲激光沉积技术, 在(LaAlO3)0.3(Sr2AlTaO6)0.35(LSAT)基底上成功制备了La2/3Sr1/3VO3(LSVO)薄膜, 并运用光谱椭偏仪测量了LSVO薄膜的椭偏光谱。先后用B样条模型和Lorentz+Tauc-Lorentz联合色散模型描述了材料的介电函数, 并首次具体给出了LSVO薄膜的介电函数。结果表明, LSVO薄膜在1.24~5.06 eV光谱范围内存在3.41 eV和4.11 eV两个明显的光学跃迁, 其中3.41 eV的跃迁峰为材料的光学带隙, 与未掺杂的LaVO3材料相比, 有着0.19 eV的红移; 高能区域的4.11 eV的跃迁峰则源自于O 2p轨道和空置的V 4s轨道之间的电荷转移态激发跃迁。
薄膜 透明导电氧化物 B样条 介电函数 thin films transparent conducting oxide B-spline dielectric function
