- 综合排序
- 最热优先
- 最新优先
电池分容老化测试系统功能说明书
1.概述本电池分容老化测试系统面向锂电池化成、老化、分容全流程测试场景，集成电芯性能算法测算、全维度安全保护、多通道设备管控、AI实时异常诊断、工单追溯管理、能耗成本核算、可视化数据分析、多设备适配与MES 2.核心算法与性能测算功能2.1电池SOH与寿命预测精准SOH估算：基于充放电时序数据、容量衰减特征，实时测算电芯健康状态，适配全生命周期电芯测试场景。 2.2容量与微分特性分析电容量档位归档：自动采集电芯容量数据，按照预设档位规则完成容量分级、归档分类，适配量产分容定级需求。 8.测试工步与批量任务管理8.1可视化工步编辑器支持可视化自定义测试工步，内置恒流、恒压、静置、循环、阶梯、脉冲、老化、化成、分容等标准工步模块，支持自由组合编辑测试工况仿真波形点，适配各类电池测试工艺 、多硬件设备适配、智能任务调度、工单全流程追溯、可视化数据分析、MES系统对接、权限审计与报告导出，全面满足电池化成、老化、分容量产测试与品质管控需求。
7910编辑于 2026-08-07基于AI驱动的锂电池分容老化智能测试平台
标准工步测试系统可视化工步编辑器：恒流、恒压、静置、循环、阶梯、脉冲、老化、化成、分容工步模板保存、批量导入导出、配方版本管理多通道独立运行、互不干扰，支持16/32/64/128通道设备自定义阈值保护 标准化报表与导出自动生成：分容报告、化成报告、老化测试报告、抽检报告导出格式：Excel、PDF、CSV，可自定义企业模板良品/不良品自动统计、批次合格率、数据汇总5.实时采样与AI推理离线部署持续采样电压
17410编辑于 2026-08-07电池生产总怕“踩坑”？这款分容老化测试系统，可能就是你的“避雷针”
做电池的朋友都知道，化成、分容、老化这几个环节，看着是常规流程，其实最让人头大。 今天想跟大家聊聊我们这款电池分容老化测试系统。它不只是个测电压电流的机器，更像是一个给电池做“深度体检”的专家，外加一个精打细算的“管家”。1. 测电池太费钱？让它把电“赚”回来分容老化是出了名的“吃电大户”。但你可能不知道，放电测试时的能量其实是可以回收的。我们的系统联动了EMS能耗管理，能精准算出你回收了多少电、省了多少钱。 直接把系统里的能耗报表甩给他就行，每一分钱的去向都清清楚楚。3. 告别“两眼一抹黑”，电池健康一眼看穿很多时候，测完了只知道容量够不够，但电池到底能活多久？内阻变化趋势如何？ 分容定级不再是简单的“排排坐”，而是精准的“优中选优”。4. 它是懂“安全”的，反应比人快多了安全是红线，谁也踩不起。
8010编辑于 2026-08-12- 来自专栏Java架构师必看
华为mate8电池价格_华为mate8换电池后充电巨慢
今天说一说华为mate8电池价格_华为mate8换电池后充电巨慢,希望能够帮助大家进步!!! 1. 前言 华为美腿8手机-4+64的上周一周没有充电，在充电时发现充不进去，充电灯一闪一闪的，大概1秒一次的样子，然后闪了20多次，就瞎了。 就需要给电池强制加一个供电，将电池激活后，才能正常充电。 1.3 找正负极 如何区分手机电池的正负极？ 在激活电池时，一定要区分清电池的正负极，这里有两种方法。 方法一：电池背面的标注 在手机电池的背面【垃圾桶】图标位置，有一个加号和减号，+代表的电池的正极，-代表的电池的负极。当通电激活电池时，就是在正极加供电，负极接地。 1.4 开始激活电池 当我们正确的区分清楚了电池的正负极之后，把可调电源表电压调到4.2V，电流调到1A左右，接上开机线来给电池充电。
1K20编辑于 2022-07-06 - 来自专栏panzhixiang
k8s水平扩缩容
这篇文章的内容其实是很早以前就会一个k8s 资源，但是最近又用到了，就做个笔记。 关于水平扩容和缩容不在这里做解释，有兴趣看这篇文章的人应该都已经知道了。 https://kubernetes.io/zh/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/ HPA配置方法 在k8s Utilization averageUtilization: 75 配置HPA的依赖 在上面的配置文件中可以看到我设置的两个指标是Pods CPU和Memory的利用率，也就意味着k8s 要提供个接口来采集这些信息， 也就是metric api， 不过这个是不是k8s默认部署的，需要自己部署，具体的部署过程，参见官网的介绍。
71410编辑于 2024-10-30 - 来自专栏算法修养
HDU 3388 Coprime（容斥原理+二分）
Sample Input 3 6 9 1 6 9 2 6 9 3 Sample Output Case 1: 1 Case 2: 5 Case 3: 7 这里有两个数n,m;这里用容斥原理同样可以求在 用二分去找n，上限直接设成1<<62#include <iostream> #include <string.h> #include <stdlib.h> #include <math.h> #include 0) m/=prime[i]; } } if(m>1) sprime[cnt++]=m; } LL Ex(LL n)//容斥原理
85150发布于 2018-04-26 - 来自专栏huofo's blog
新型固态电池6年衰减不到10% 公交车8分钟充电超60%
fa8e14d0e6be91a.jpg 在江苏溧阳，陈立泉院士的得意门生李泓，带领团队经过二十多年的技术攻关，在一项锂电池关键原材料上获得突破，并在2017年进行了量产。 据工程师介绍，这辆搭载钛酸锂电池的公交车充电三分钟，电量就从33%充到60%以上，仅仅8分钟，公交车就已充满了，电量显示99%。 同时，该电池的循环放电寿命长，这家研究院，有一块钛酸锂电池，在2014年开始就已进行充放电循环试验，如今已过了六年时间，充放电超过3万次，电池容量只衰减了不到10%，性能十分优异。 特别是钢针刺穿电池后，没有发生燃烧、冒烟现象，而且电池还能正常使用。 不过，钛酸锂电池虽然具有这么多优点，但是能量密度不够高，只有锂电池的一半左右。 因此，他们把电池的目标市场分，放在了公交车、专用车，以及储能电站等对能量密度要求不高的应用场景中。
99720编辑于 2022-03-17 - 来自专栏算法修养
POJ 2773 Happy 2006（容斥原理+二分）
Happy 2006 Time Limit: 3000MS Memory Limit: 65536K Total Submissions: 10827 Accepted: 3764 Description Two positive integers are said to be relatively prime to each other if the Great Common Divisor (GCD) is 1. For instance, 1, 3, 5, 7, 9..
81970发布于 2018-04-26 - 来自专栏Angular&服务
mac 电脑控制电池充电百分比
这条命令执行的时候会提示你输入密码，输入你的开机密码再回车即可（输入密码的时候光标是不会动的，其实已经输进去了）。
98330编辑于 2023-02-16 - 来自专栏小陈运维
K8s 1.33 原地扩缩容特性
K8s 1.33 原地扩缩容特性背景在创建好的pod容器中，进行了资源限制，在之前的版本中，修改资源配置是需要重启pod才可生效，在1.33版本的kubernetes可以直接调整正在运行的 Pod 的 操作演示创建一个资源监控 Pod[root@k8s-master01 ~]# vim resize.yaml [root@k8s-master01 ~]# cat resize.yamlapiVersion ~]# [root@k8s-master01 ~]# kubectl apply -f resize.yaml pod/resize-demo created[root@k8s-master01 ~] ~]# kubectl get pod resize-demo -o yaml | grep resources -A8spec: containers:-- resources: ~]#查看现在的资源使用情况[root@k8s-master01 ~]# kubectl describe pod resize-demo | grep -A8 Limits: Limits:
44300编辑于 2025-06-06 - 来自专栏老铁丁D
k8s滚动升级和扩缩容
一、扩缩容 手动扩容 k8s使用过kubectl scale命令进行扩容 假设原本的pod有3个，这个时候由于业务的增长，我们可以将pod增加到5个 kubectl scale rc blog --replicas 自动扩容(HPA) 用于实现基于CPU使用率进行自动Pod扩缩容的功能。 : 弹性增加节点延迟时间，默认3分钟 k8s针对扩容做了一个最大限制，每次扩容的pod数量不会大于当前副本数量的2倍。 HorizontalPodAutoscaler k8s提供HorizontalPodAutoscaler资源对象，让我们可以使用它进行配置扩缩容的规则。 默认情况下，k8s会将有deployment发布历史记录保存在系统中，方便我们回滚。
2.6K30编辑于 2022-08-12 - 来自专栏院长运维开发
K8s设置Pod自动扩缩容
mysql-slave --min=1 --max=10 --cpu-percent=50 参数： --min （容器数量下限） --max （容器数量上限） --cpu-percent （CPU使用率达到指定百分比
96210发布于 2021-02-19 - 来自专栏Portworx云原生容器存储
如何通过Openshift实现K8S容灾?
如何通过Red Hat Openshift实现K8S容灾? 越来越多的K8S应用采用RedHat OpenShift进行部署，IT团队需要部署容灾功能，来防范系统崩溃导致业务受损。 这种情况下对于Openshift上的关键应用来说，容灾是必须的。 本文讲解了用户如何使用OpenShift和Portworx来实现零RPO的容灾。 在我们进入如何在OpenShift上达到零RPO容灾之前，让我们首先来分析一下，传统的容灾方案为什么不适用于K8S。 传统的备份和恢复方案是在虚拟机（VM）层面来实现的。 例如，一个银行有本地部署的数据中心，并且通过专线连接到了一个AWS数据中心，可能会需要为一个重要商业应用选择零RPO的DR策略，同时要求RTO<1分钟。 首先，创建一个调度，下面的例子中在每一分钟迁移应用配置。把它保存成一个Yaml文件，然后使用`oc create -f` 来创建策略。
1.9K00发布于 2020-05-30 - 来自专栏Apsara
如何设计动态扩容缩容的分库分表方案？
面试官：如何来设计动态扩容的分库分表方案？ 面试官心理剖析： 这个问题主要是看看你们公司设计的分库分表设计方案怎么样的？你知不知道动态扩容的方案？ 回答： 背景说明：如果你们公司之前已经做了分库分表，你们当时分了 4 个库，每个库 4 张表；公司业务发展的很好，现在的数据库已经开始吃力了，不能满足快速发展的业务量了，需要进行扩容。 3）动态扩容方案 比如你直接分 32 个库，每个库分 32 个表； 每个库的每秒写入并发是 2000，单表的数据量为 700 万； 每秒写并发：32 个库2000=64000 数据量：1024 个表7000000 刚开始的时候，你可以使用 4 个机器，每个机器上面建 8 个逻辑数据库；如果 4 个 MySQL 不够用了，那么可以使用 8 个机器，创建 4 个数据库。
1.4K00发布于 2020-04-12 - 来自专栏有文化的技术人
K8S之HPA自动扩缩容机制
简介 kubectl scale 命令可以来实现 Pod 的扩缩容功能，但是这个毕竟是完全手动操作的，要应对线上的各种复杂情况，我们需要能够做到自动化去感知业务，来自动进行扩缩容。 如果指标变化太频繁，我们也可以使用 --horizontal-pod-autoscaler-downscale-stabilization 指令设置扩缩容延迟时间，表示的是自从上次缩容执行结束后，多久可以再次执行缩容 通常情况，控制器从一系列的聚合API(metrics.k8s.io，custom.metrics.k8s.io和external.metrics.k8s.io)中获取指标数据。 一般来说指标会从下面系列聚合API中获取(metrics.k8s.io，custom.metrics.k8s.io和external.metrics.k8s.io)。 这里系数是指标的期望值与目前值的比值，如果大于1表示扩容，小于1表示缩容。
1.7K52编辑于 2023-08-19 - 来自专栏devops探索
k8s中pod的自动扩缩容
HPA说明 Kubernetes从1.1版本开始， 新增了名为Horizontal Pod Autoscaler（HPA） 的控制器， 用于实现基于CPU使用率进行自动Pod扩缩容的功能。 Kubernetes在早期版本中， 只能基于Pod的CPU使用率进行自动扩缩容操作， 关于CPU使用率的数据来源于Heapster组件。 HPA控制器通过Metrics Server的API（Heapster的API或聚合API） 获取这些数据， 基于用户定义的扩缩容规则进行计算， 得到目标Pod副本数量。 当目标Pod副本数量与当前副本数量不同时， HPA控制器就向Pod的副本控制器 （Deployment、 RC或ReplicaSet） 发起scale操作， 调整Pod的副本数量，完成扩缩容操作。 Metrics Server将采集到的Pod性能指标数据通过聚合API（Aggregated API） 如metrics.k8s.io、 custom.metrics.k8s.io和external.metrics.k8s.io
4.1K31发布于 2020-08-06 - 来自专栏小手冰凉
k8s群集之动态扩缩容——HPA
一、HPA HPA的全称为Horizontal Pod Autoscaling，它可以根据当前pod资源的使用率（如CPU、磁盘、内存等），进行副本数的动态的扩容与缩容，以便减轻各个pod的压力。 当pod负载达到一定的阈值后，会根据扩缩容的策略生成更多新的pod来分担压力，当pod的使用比较空闲时，在稳定空闲一段时间后，还会自动减少pod的副本数量。 服务中，所以说，为了方便，我这里基于prometheus服务的环境上进行部署HPA（动态扩缩容）的服务。 服务， //要想实现pod副本数量的一个扩缩容，就必须保证，可以在master上执行下面的命令 //查看节点的资源使用情况 [root@docker-k8s01 kube-prometheus]# kubectl 0 2m30s 2、模拟消耗php-apache的资源，验证是否会自动扩容与缩容 //创建一个应用，用来不停的访问我们刚刚创建的php-apache的svc资源。
3.2K30发布于 2020-09-15 - 来自专栏DevOps充电宝
k8s 中 pod 的自动扩缩容
以下文章来源于feelwow ，作者dogfei HPA 说明 Horizontal Pod Autoscaler（HPA）控制器， 用于实现基于 CPU 使用率进行自动 Pod 扩缩容的功能。 服务启动参数 --horizontal-pod-autoscaler-sync-period 定义的探测周期（默认值为 15s） ， 周期性地监测目标 Pod 的资源性能指标， 并与 HPA 资源对象中的扩缩容条件进行对比 HPA 控制器通过 Metrics Server 的 API（Heapster 的 API 或聚合 API） 获取这些数据， 基于用户定义的扩缩容规则进行计算， 得到目标 Pod 副本数量。 Pod 副本数量与当前副本数量不同时， HPA 控制器就向 Pod 的副本控制器 （Deployment、 RC 或 ReplicaSet） 发起 scale 操作， 调整 Pod 的副本数量，完成扩缩容操作 基于内存的 HPA 当前稳定版本autoscaling/v1只支持 CPU 的扩缩容，autoscaling/v2beta2支持内存和自定义指标的扩缩容，我们使用这个版本的接口测试。
1.8K10编辑于 2022-05-31 - 来自专栏软件工程
如何设计可以动态扩容缩容的分库分表方案？
目前消息中心的量级还不是很大，大概每天200多W数据的样子，并发也就几十到两百,其实一两年内都不一定有并发的问题，按道理来说只要分表就可以了，但是凡是还是必须考虑长远点，目前还是需要考虑分一下库，那么分多少库呢 设计可以动态扩容缩容的分库分表方案其实就是对我们服务的发展做一定的评估,根据吞吐量来计算要求的数据库梳理(比如一个数据库服务器2000并发,我们预计达到1W就设计5个库),根据数据量大小计算表数据(比如一个表我们最多放 ,这样就可以循环使用了; 2、路由的规则，orderId 模 32 = 库，orderId / 32 模 32 = 表 如图，假设我们申请了4台数据库服务器，每台上面部署了8个数据库 ，每个数据库对于每张表分了32张表 3、扩容的时候，申请增加更多的数据库服务器，装好mysql，倍数扩容，4台数据库服务器，扩到8台数据库服务器，16台数据库服务器，原来的数据库服务器的数据库数量倍数递减 （比如原来有4台服务器，每台服务器部署8个数据库，现在扩容一倍，有8台数据库服务器，那么每台数据库服务器就只用放原来的一半数据库，4个数据库即可） 4、由dba负责将原先数据库服务器的库整个迁移到新的数据库服务器上去
1.5K10编辑于 2021-12-24 - 来自专栏码上修行
如何设计可以动态扩容缩容的分库分表方案？
但是最好别这么玩儿，有点不太靠谱，因为既然分库分表就说明数据量实在是太大了，可能多达几亿条，甚至几十亿，你这么玩儿，可能会出问题。 谈分库分表的扩容，第一次分库分表，就一次性给他分个够，32 个库，1024 张表，可能对大部分的中小型互联网公司来说，已经可以支撑好几年了。 orderId id % 32 (库) id / 32 % 32 (表) 259 3 8 1189 5 5 352 0 11 4593 17 15 刚开始的时候，这个库可能就是逻辑库，建在一个数据库上的 哪怕是要减少库的数量，也很简单，其实说白了就是按倍数缩容就可以了，然后修改一下路由规则。 路由的规则，orderId 模 32 = 库，orderId / 32 模 32 = 表 扩容的时候，申请增加更多的数据库服务器，装好 mysql，呈倍数扩容，4 台服务器，扩到 8 台服务器，再到 16
1.5K20发布于 2019-11-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号