دانلود و نمایش مقالات مرتبط با Batteries::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - Batteries

تعداد مقالات یافته شده: 17
ردیف عنوان نوع
1 Zebrafish neuro-behavioral profiles altered by acesulfame (ACE) within the range of “no observed effect concentrations (NOECs)”
پروفایل های رفتاری عصبی Zebrafish تغییر یافته توسط acesulfame (ACE) در محدوده "no observed effect concentrations (NOECs)"-2020
Recently, artificial sweeteners have received widespread attention as the emerging environmental pollutants, among which, acesulfame (ACE) is ubiquitously present and extremely persistent in the ecosystem. Although the environmental behavior of ACE has already been well studied, its chronic ecotoxicological effects on aquatic organisms are rarely reported. Thus, more researches should be performed to determine the concentration which exerted the observable toxicological effect. Herein, we examined neuro-behavioral effects of ACE at 1, 10 and 100 mg/L on adult zebrafish via performing the behavioral test batteries including light/dark preference test, novel tank diving test, novel object exploration test, social preference test and colour-enhanced CPP test. In addition, in order to fully phenotype the behavioral alteration induced by ACE, we applied the techniques deriving from behavioral phenomics to analyze and interpret the big data from a large number of behavioral variables. Furthermore, the alterations of neurotransmitter in brain were also assayed to confirm the behavioral results. We found that ACE within the concentration range of No Observed Effect Concentrations (NOECs) had remarkably altered the neuro-behavioral profiles: altered the preference for light/dark, reduced the exploration ability of zebrafish in the novel tank and novel object exploration test, affected the group preference of zebrafish, changed the colour preference, learning and memory ability of zebrafish and disturbed the quantitative patterns of neurotransmitter in brain. As a result, this research can offer a reference for readjusting the NOECs of ACE and assessing neurotoxicity of artificial sweeteners.
Keywords: Acesulfame (ACE) | Neuro-behavior | No observed effect concentrations (NOECs)
مقاله انگلیسی
2 بازیابی انتخابی کبالت از جریان های ثانویه پس از فرآوری باتری های NIMH با استفاده از سیانکس 301
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 29
کبالت به عنوان یک ماده خام اساسی برای اتحادیه اروپا تلقی می شود. از آنجاییکه تامین محدودی دارد تلاشهای قابل توجهی باید برای توسعه روشهای ماندگار جهت بازیافت کبالت از منابع جایگزین صورت گیرد. فرآوری هیدرومتالورژیکی باتری های مصرف شده NiMH یک جریان متمرکزی حاوی کبالت (8/11 گرم بر لیتر) و ناخالصی ها (3/2 گرم بر لیتر نیکل، 2/0 گرم بر لیتر آلومینیوم، 3/9 گرم بر لیتر منگنز و 6/4 گرم بر لیتر عناصر کمیاب زمین) در بستر اسید نیتریک تولید می کند. در این مطالعه، جداسازی انتخابی کبالت از سایر یونهای موجود بررسی شد. کبالت به صورت انتخابی از آلومینیوم، منگنز و عناصر کمیاب زمین با استفاده از یک مولار سیانکس 301 در کروسن جداسازی شد. از رفتار سنتیکی متفاوت درطی استخراج با سیانکس 301 برای جداسازی یونهای کبالت و نیکل به صورت انتخابی استفاده شد. آنتالپی محاسبه شده برای فرآیند استخراج کبالت برابر است با – 11.37 ± 0.5 kJ/ که بیانگر این است که استخراج کبالت در سیستم بررسی شده یک واکنش گرمازا می باشد. از تاثیر دما روی استخراج کبالت برای دستیابی به انتخابی بودن بهتر برای نیکل استفاده شد. کبالت ازطریق زدایش انتخابی با 4 مولار اسید کلریدریک در دمای محیط بازیافت شد. خلوص نهایی محصول زدایش برابر با 9/99 درصد بود.
مقاله ترجمه شده
3 A deep learning method for online capacity estimation of lithium-ion batteries
یک روش یادگیری عمیق برای برآورد ظرفیت آنلاین باتری های لیتیوم یونی-2019
The past two decades have seen an increasing usage of lithium-ion (Li-ion) rechargeable batteries in diverse applications including consumer electronics, power backup, and grid-scale energy storage. To guarantee safe and reliable operation of a Li-ion battery pack, battery management systems (BMSs) should possess the capability to monitor, in real time, the state of health (SOH) of the individual cells in the pack. This paper presents a deep learning method which utilizes deep convolutional neural network (DCNN) for cell-level capacity estimation based on the voltage, current, and charge capacity measurements during a partial charge cycle. The unique features of DCNN include the local connectivity and shared weights, which enable the model to accurately estimate battery capacity using the measurements during charge. To the best of our knowledge, this is one of the first attempts to apply deep learning to the online capacity estimation of Li-ion batteries. Ten-year daily cycling data from eight implantable Li-ion cells and half-year cycling data from 20 18650 Li-ion cells were utilized to verify the performance of the proposed deep learning method. Compared with traditional machine learning methods such as shallow neural networks and relevance vector machine (RVM), the proposed deep learning method is demonstrated to produce higher accuracy and robustness in the online estimation of Li-ion battery capacity.
Keywords: Capacity estimation | Health monitoring | Deep learning | Lithium-ion batteries
مقاله انگلیسی
4 Asymptotic performance evaluation of battery swapping and charging station for electric vehicles
ارزیابی عملکرد مجانب تعویض باتری و ایستگاه شارژ برای وسایل الکترونیک-2018
A battery swapping and charging station (BSCS) is an energy refueling station, where (i) electric vehicles (EVs) with depleted batteries (DBs) can swap their DBs for fully-charged ones, and (ii) the swapped DBs are then charged until they are fully-charged. Successful deployment of a BSCS system necessitates a careful planning of swapping- and charging-related infrastructures, and thus a comprehensive performance evaluation of the BSCS is becoming crucial. This paper studies such a performance evaluation problem with a novel mixed queueing network (MQN) model and validates this model with extensive numerical simulation. We adopt the EVs’ blocking probability as our quality-of-service measure and focus on studying the impact of the key parameters of the BSCS (e.g., the numbers of parking spaces, swapping islands, chargers, and batteries) on the blocking probability. We prove a necessary and sufficient condition for showing the ergodicity of the MQN when the number of batteries approaches infinity, and further prove that the blocking probability has two different types of asymptotic behaviors. Meanwhile, for each type of asymptotic behavior, we analytically derive the asymptotic lower bound of the blocking probability.
keywords: Battery swapping and charging station |Electric vehicles |Mixed queueing network |Asymptotic analysis |Capacity planning
مقاله انگلیسی
5 کالکتور جریان فلز مس نانومتخلخل برای باتری‌های یون لیتیوم
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 12
یک روش ترکیبی اولتراسونیک کم‌هزینه و مقیاس‌پذیر برای تولید کالکتور جریان فلز مس با نانومنفذهای یکنواخت روی سطح برای اولین بار به دست ‌آمد. لایه‌ای از ماده فعال سیلیکون بر روی سطح کالکتور جریان فلز آماده (در مقایسه با فلز لیتیوم) به‌عنوان یک ماده جدید جمع‌آوری جریان برای باتری یون لیتیوم پخش شد. باتری مجتمع با این کالکتور جریان دارای ظرفیت منطقه‌ای 2.2 mAh / cm2 بود که قابل‌مقایسه با باتری‌های یون لیتیوم موجود است. با توجه به ساختار نانومنفذهای کالکتور جریان، ظرفيت ذخیره مواد الکتروشيميایی سيليكون فعال و پایداری چرخه نيز به‌طور قابل‌توجهی بهبود یافته‌اند.
مقاله ترجمه شده
6 پارک هماهنگ خودروی بدون سرنشین برای سرویسهای خودرو-به-شبکه
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 24
به لطفِ مزایای فراوان نسبت به خودروهای مرسوم، خودروهای بدون سرنشین (AVها) در سیستم حمل ونقل آینده نقش مهمی را برعهده خواهند داشت. از آنجاییکه AVها معمولاً خودروهای برقی (EVها) هستند، می توانند به سرویسهای خودرو-به-شبکه (V2G) کمک کنند. اگرچه عموماً دیکته کردن مسیرهای EV ممکن نیست، با این حال می توانیم برنامه هایی برای سفرِ AV طراحی کنیم تا برخی اهدافِ سیستم شمول ارضا شوند. در این مقاله، برروی AVهایی که به دنبال پارکینگ هستند تمرکز می کنیم و این موضوع را که، در راستای پشتیبانی از سرویسهای V2G، چطور می توان آنها را به تاسیساتِ پارکینگِ مناسب هدایت کرد، مطالعه می کنیم. ما مساله را بصورت یک مساله ی خطی عددصحیح (ILP) فرمولیزه می کنیم. این مساله می-تواند توسط یک حل کننده ی استانداردِ ILP حل شود، اما ممکن است که زمانِ محاسباتی زیادی که برای آن نیاز است، در سناریوهای عملی قابل پذیرش نباشد. جهت غلبه بر این مساله، یک هیورستیکِ کارآمدتر نیز می سازیم. جهتِ مطالعه ی زوایای دید متفاوت برای حل مساله، ما شبیه سازی های گسترده ای را اجرا می کنیم. نتایج شبیه سازی آشکار می کنند که هیورستیک، با یک تنزل کیفیتِ قابل اغماض در مقدارِ تابعِ هزینه ، می-تواند زمان محاسبات را به اندازه قابل توجهی کاهش دهد. کیفیتِ پاسخِ بهینه نسبت به تعدادِ تاسیساتِ پارکینگِ دردسترس حساس نیست. یک مقیاسِ زمانیِ زمخت تر می تواند زمان محاسبات را بهبود دهد، اما کیفیت پاسخ را پایین می آورد که این می تواند منجر به یک پاسخِ غیرامکان پذیر شود.
کليدواژگان: جاده ها | الگوریتم توزیع شده | باتری | وسایل نقلیه مستقل | ماشین ها | صنایع
مقاله ترجمه شده
7 A review of stochastic battery models and health management
بررسی مدل های باتری تصادفی و مدیریت سلامت-2017
Batteries are promising sources of green and sustainable energy that have been widely used in various applications. Battery modelling as the basis of battery management system is vital for both technology development and applications of batteries. Compared with other battery models, stochastic battery models feature high accuracy and low time consumption. Moreover, charging profile, battery behavior, and discharging profile can all be considered to optimize battery performance and usage, which is a key issue in battery usage in real life. Given the significance of stochastic modelling and the progress of battery health management, this paper reviews various aspects of related studies and developments from different fields, while identifying their corresponding merits and weaknesses. Remaining challenges are discussed, and several suggestions are offered as possible inspirations for further research.
Keywords: Renewable energy storage | Battery modelling | Battery health management | Stochastic modelling | Markov chain | Stochastic process
مقاله انگلیسی
8 Microsystem based Energy Harvesting (EH-MEMS): Powering pervasivity of the Internet of Things (IoT) – A review with focus on mechanical vibrations
برداشت انرژی بر پایه میکروسیستم (EH-MEMS): پراکندگی قدرت اینترنت اشیاء (IoT) - بررسی با تمرکز بر ارتعاشات مکانیکی-2017
The paradigm of the Internet of Things (IoT) appears to be the common denominator of all distributed sensing applications, providing connectivity, interoperability and communication of smart entities (e.g. environments, objects) within a pervasive network. The IoT demands for smart, integrated, miniaturised and low-energy wireless nodes, typically powered by non-renewable energy storage units (batteries). The latter aspect poses constraints as batteries have a limited lifetime and often their replacement is imprac ticable. Availability of zero-power energy-autonomous technologies, able to harvest (i.e. convert) and store part of the energy available in the surrounding environment (vibrations, thermal gradients, electro magnetic waves) into electricity to supply wireless nodes functionality, would fill a significant part of the technology gap limiting the wide diffusion of efficient and cost effective IoT applications. Given the just depicted scenario, the realisation of miniaturised Energy Harvesters (EHs) leveraging on MEMS technol ogy (MicroElectroMechanical-Systems), i.e. EH-MEMS, seems to be a key-enabling solution able to con jugate both main driving requirements of IoT applications, namely, energy-autonomy and miniaturisation/integration. This short review outlines the current state of the art in the field of EH-MEMS, with a specific focus on vibration EHs, i.e. converters capable to convert the mechanical energy scattered in environmental vibra tions, into electric power. In particular, the issues in terms of conversion performance arising from EHs scaling down, along with the challenge to extend their operability on a frequency range of vibrations as wider as possible, are going to be discussed in the following.
Keywords: Energy Harvesting (EH) | MEMS | Internet of Things (IoE) | Ultra-Low Power (ULP) | Zero-power electronics
مقاله انگلیسی
9 Development of Battery Monitoring System in Smart Microgrid Based on Internet of Things (IoT)
توسعه سیستم مانیتورینگ باتری در ریز شبکه های هوشمند مبتنی بر اینترنت از اشیاء-2017
In this paper, battery monitoring system based on internet of things (IoT) has been developed to monitor the operational and performance of batteries in a smart microgrid system. This smart microgrid includes a battery pack, PV system, Intelligent Electronic Device (IED) hybrid inverter, grid connection and electricity load. The IoT developed in this work consists of a communication channel from and to IED, data acquisition algorithm, cloud system and Human Machine Interface (HMI). Data acquisition was scheduled to execute every minute as mentioned in IEC61724. The battery monitoring system information as part of battery management system (BMS) is displayed on a Human Machine Interface (HMI) using ExtJS / HTML5 framework which can be accessed using desktop or mobile devices. From analytical results, the average execution time for overall BMS-IoT based data acquisition to the cloud server is 19.54 ± 18.00 seconds. The result of availability monitored data in the cloud database server is 92.92 ± 6.00 percent, which shows satisfactory result for the reliability of BMS-IoT system data acquisition.
Keywords: battery monitoring system | smart microgrid | communication protocol | battery system | internet of things
مقاله انگلیسی
10 Chapter 13 - Internet of Things and the Economics of Microgrids
فصل 13 - اینترنت اشیاء و اقتصاد ریز شبکه بالا -2017
The reform of electricity markets is gaining momentum worldwide, shifting in creasing attention to innovations at the grid’s edge within low-voltage electricity networks and challenging the traditional value chain from generation via high and medium-voltage to the low-voltage household networks. Innovations from the bottom are strongly driven by embedded small-scale generation facilities (e.g., rooftop solar PVs), innovations in energy storage technologies (batteries and electric vehicles), and flexible demand response (e.g., by smart metering and remote control), enabling variable and flexible renewable producer and consumer (prosumage) activities.
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی