退役了

入坑近两年。

想当初大一进入实验室,什么都不会。看着学长们都好厉害,水平不在一个层次,就想好好学习。当时没怎么认真,有机会参加了浙江省赛,队友是sp和sxy。第一次参加比赛,做了5个题,打铁,这也是意料之外,题目基本上都是他们做的。然后暗自下决心努力一下。大一暑假参加训练,也学到了一些东西,线段树RMQ之类的...

到了大二上,参加了12月份的市赛,去了nit,队友是sp和hkh。当时实力有所提升,原以为可以拿个Ag,可惜出题有点慢加上题目区分度不高,只惨淡淡的拿了个Cu。当时有几个大一的也拿了Cu。心里有点不自信起来了。

到了大二下,参加了4月份的省赛,去了zju,队友还是sp和hkh。sp疏于训练,比赛的时候wa了好多发,然而我们基本上做的每个题目都wa了几发,6题垫底,但也是银牌。当时心里就有点自信了。大二自学了一些算法,也做了很多题。

到了大二结束,暑假开始,队友变成了lm和hkh。暑假在学校自己找地方打多校,打的并不好,hkh疏于训练,配合也不好...

到了大三上打网络赛,也是都没打好,只有一个ccpc杭州的名额。到了临近比赛,队友也很少练习,心寒...

然后参加了在杭电办的ccpc,出了三题,由于题目看错时间浪费了不少。b和k题感觉能出,好像k判断n大于300就可以?我只判断了50...。无奈三题打铁,最后就这样退役了。好可惜...

转载于:https://www.cnblogs.com/Recoder/p/5980487.html

### 退役电池分选技术及其实现方法 #### 技术背景 随着电动汽车和储能系统的普及,大量退役电池进入市场。为了实现资源的有效利用并减少环境负担,退役电池的分选成为关键技术之一。通过分选可以评估每块电池的状态,并将其分配到适合的应用场景中[^1]。 #### 分选的主要目标 退役电池分选的核心在于对其健康状态(SOH, State of Health)、剩余容量以及一致性进行精确评估。这有助于决定哪些电池能够继续用于低功率需求场合(如家庭储能),而哪些则需回收处理[^2]。 #### 实现方法概述 以下是几种常见的退役电池分选技术和方法: #### 数据采集与分析 数据驱动的方法依赖于传感器获取的信息来判断单体电芯性能参数。这些参数通常包括电压曲线、内阻变化率、充放电循环次数等特征量。机器学习算法被广泛应用于此类数据分析过程中,以提高预测精度[^3]。 ```python import numpy as np from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier # 假设我们有如下数据集 X 和标签 y 表示不同电池特性及其分类结果 X = np.random.rand(100, 5) # 特征向量 (e.g., SOC, SOH...) y = np.random.randint(0, 3, size=100) # 类别编号 # 划分训练集测试集 X_train, X_test, y_train, y_test = train_test_split(X, y) # 使用随机森林模型进行训练 model = RandomForestClassifier() model.fit(X_train, y_train) # 预测新样本所属类别 predictions = model.predict(X_test) print(predictions[:10]) ``` 上述代码片段展示了一个简单的基于随机森林的分类器构建过程,可用于区分不同类型或质量等级的退役锂电池[^4]。 #### 参数测量法 直接物理化学手段也是不可或缺的一部分,比如采用交流阻抗谱(EIS),直流内部电阻(DCR)等方式测定具体数值指标作为评判依据。这种方法虽然耗时较长但准确性较高,在实验室条件下尤为适用[^5]。 #### 自动化流水线设计 工业规模上的高效自动化解决方案往往结合机械手操作配合视觉识别系统完成初步筛选工作;随后再由专门设备执行更精细级别的检测环节直至最终打包入库等待后续处置安排为止整个流程都应尽可能做到无人值守全自动运行模式从而降低人工成本提升工作效率的同时也保证了一致性和可靠性标准得到满足[^6]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值