Monitoramento de cargas e descargas em baterias usando sistema microprocessado.
AUTOR(ES)
Ribas, HulbÃia Bitencourt
DATA DE PUBLICAÇÃO
2003
RESUMO
Esta dissertaÃÃo consiste em um sistema eletrÃnico microprocessado para monitoraÃÃo de baterias cujos subsistemas permitem simular processos diversos submetendo-as a tipos diferentes de carga e descarga de forma controlada. O sistema compartilha informaÃÃes externa e internamente, controlando parÃmetros a fim de efetuar os ensaios padronizados ou simulando a alimentaÃÃo de uma carga real de maneira segura e confiÃvel. Inicialmente, as informaÃÃes para os testes sÃo feitas de forma manual a partir de templates onde os dados do ensaio e especificaÃÃes do fabricante sÃo carregadas para iniciar o teste. Assim o sistema fica instruÃdo para executar as demais rotinas e processos de forma automÃtica, quer seja no mesmo teste em ou outro posterior, onde se use a mesma bateria. O sistema se propÃe ao ensaio de diversos tipos de quÃmicas de baterias, com algoritmos distintos a cada uma delas, criando arquivos de configuraÃÃo e de dados, que podem ser armazenados para uso posterior ou utilizados para uma anÃlise imediata. Ao final do ensaio ou ciclo executado à possÃvel escolher a forma de apresentaÃÃo dos resultados sob forma de planilhas, grÃficos e valores, a fim de que seja possÃvel analisar o dispositivo e os processos envolvidos.
ASSUNTO(S)
baterias elÃtricas programas de aplicaÃÃo (computadores) identificaÃÃo de parÃmetros microprocessadores controle automÃtico
ACESSO AO ARTIGO
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=563Documentos Relacionados
- Sistema de controle microprocessado para tanques para Wet-etching/cleaning em microeletronica
- Monitoramento das cargas de treinamento no tênis de elite
- A aplicação de RFID na logística: um estudo de caso do Sistema de Infraestrutura e Monitoramento de Cargas do Estado de Santa Catarina
- Desfibrilador cardiaco microprocessado para uso clinico e em pesquisa
- Identificação de cargas lineares e não-lineares em sistemas elétricos residenciais usando técnicas para seleção de atributos e redes neurais artificiais