公开(公告)号：CN118724049A

公开(公告)日：2024-10-01

申请号：CN202410720902.6

申请日：2024-06-05

申请人： 重庆大学 ,  池州学院

发明人： 袁媛 ,  郑兴旺 ,  李佳兴 ,  吴量 ,  潘复生 ,  朱峰锐 ,  刘雅玲 ,  王阳阳

IPC分类号： C01G15/00 ,  H01M4/04 ,  H01M4/1391 ,  H01M4/48

摘要： 本发明公开了一种具有电化学活性的镓酸镁正极材料的制备方法及其产品和应用，本发明提供的一种具备电化学活性的镓酸镁正极材料的制备方法包括：通过煅烧法制备镓酸镁正极材料。本发明方法制备方法简易，工艺条件较为简单，能耗低的同时无污染，获得的镓酸镁正极材料具有严格的尖晶石结构、良好的导电性和较大的比表面积，并且在电池循环过程中能保持严格的晶体学结构(即保持严格的尖晶石结构)稳定、不发生相变，在电化学反应过程中也保持着反应稳定、没有其他副反应，因此具备良好的电化学性能。能够提供一种简单易实现、成本低廉、制备快速且仍然具备良好电化学性能的镁电池设计方案，并且解决了镁电池在循环过程中比容量衰减较快的问题。

公开(公告)号：CN118800861A

公开(公告)日：2024-10-18

申请号：CN202410957915.5

申请日：2024-07-17

申请人： 重庆大学 ,  池州学院

发明人： 袁媛 ,  彭先浩 ,  谷达冲 ,  吴量 ,  潘复生 ,  王阳阳

IPC分类号： H01M4/04 ,  H01M4/62

摘要： 本发明公开了一种可充镁电池金属镁负极表面原位生长SEI膜的方法，包括如下步骤：1)将锡盐、锑盐溶解后混合均匀，然后滴加电解溶剂，搅拌混合均匀，得到电解液；2)将金属镁作为负极，步骤1)配制的电解液组装可充镁电池，所述可充镁电池在搁置、以及充放电过程中，电解液在金属镁表面原位生成SnSb基的SEI膜。本发明通过采用含有锡和锑的电解液，该电解液与金属镁发生还原氧化反应，在金属镁负极表面生长了SnSb基的人工SEI膜，同时Sb和Sn具有良好的亲镁性，提升了电解液与电极界面之间的Mg2+的传输和扩散。该SEI膜可以缓解镁金属和电解液的直接接触、降低镁沉积的成核电位和溶出势垒，抑制镁枝晶树突状的生长，提高电池的整体性能。

公开(公告)号：CN110210126B

公开(公告)日：2023-03-24

申请号：CN201910471710.5

申请日：2019-05-31

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  金磊 ,  王阳阳

IPC分类号： G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06F119/04

摘要： 本发明涉及一种基于LSTMPP的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法首先对采集的齿轮震动信号的高维特征进行简化和融合；然后将降维后的融合特征信息用于偏心长短期记忆网络LSTMPP的多步预测，针对不同特征信息所包含的信息量不同的特点，采用注意力机制方法对融合特征数据进行偏心处理；最后，根据偏心处理结果，放大输入数据和递归数据的权重，对融合特征数据进行自动和不同程度的处理。本发明能够在降低计算量的同时提高齿轮剩余寿命的预测速度与精度。

公开(公告)号：CN110210126A

公开(公告)日：2019-09-06

申请号：CN201910471710.5

申请日：2019-05-31

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  金磊 ,  王阳阳

IPC分类号： G06F17/50 ,  G06N3/04

摘要： 本发明涉及一种基于LSTMPP的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法首先对采集的齿轮震动信号的高维特征进行简化和融合；然后将降维后的融合特征信息用于偏心长短期记忆网络LSTMPP的多步预测，针对不同特征信息所包含的信息量不同的特点，采用注意力机制方法对融合特征数据进行偏心处理；最后，根据偏心处理结果，放大输入数据和递归数据的权重，对融合特征数据进行自动和不同程度的处理。本发明能够在降低计算量的同时提高齿轮剩余寿命的预测速度与精度。

公开(公告)号：CN110175425B

公开(公告)日：2023-02-21

申请号：CN201910471737.4

申请日：2019-05-31

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  金磊 ,  王阳阳

IPC分类号： G06F30/17 ,  G06F119/04

摘要： 本发明涉及一种基于MMALSTM的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法首先对采集的齿轮振动信号的高维特征进行简化和融合；然后将降维后的融合特征信息用于MMALSTM的多步预测，针对不同特征信息所包含的信息量不同的特点，采用MMA对融合特征数据进行宏微观处理；最后，根据MMA的结果，放大输入数据和递归数据的权重，对融合特征数据进行自动、不同程度的处理。本发明能够在降低计算量的同时提高齿轮剩余寿命的预测速度与精度。

公开(公告)号：CN110175425A

公开(公告)日：2019-08-27

申请号：CN201910471737.4

申请日：2019-05-31

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  金磊 ,  王阳阳

IPC分类号： G06F17/50

摘要： 本发明涉及一种基于MMALSTM的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法首先对采集的齿轮振动信号的高维特征进行简化和融合；然后将降维后的融合特征信息用于MMALSTM的多步预测，针对不同特征信息所包含的信息量不同的特点，采用MMA对融合特征数据进行宏微观处理；最后，根据MMA的结果，放大输入数据和递归数据的权重，对融合特征数据进行自动、不同程度的处理。本发明能够在降低计算量的同时提高齿轮剩余寿命的预测速度与精度。