期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4,455篇文章
< 1 2 … 223 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多样性数据生成的滚动轴承领域泛化剩余使用寿命预测方法
1
作者 宋仁旺 姚程昊 +1 位作者 石慧 陈琳英 《振动与冲击》 北大核心 2026年第1期290-301,共12页
针对滚动轴承剩余使用寿命(remaining useful life,RUL)预测过程中,存在的可用于训练的数据稀少,且未知工况下轴承的实际运行数据和训练数据有明显分布差异,从而导致寿命预测模型泛化性能大幅下降的问题。研究了一种基于多样性数据生成... 针对滚动轴承剩余使用寿命(remaining useful life,RUL)预测过程中,存在的可用于训练的数据稀少,且未知工况下轴承的实际运行数据和训练数据有明显分布差异,从而导致寿命预测模型泛化性能大幅下降的问题。研究了一种基于多样性数据生成的滚动轴承领域泛化剩余寿命预测方法。首先,构建相空间数据生成模块,在捕获退化过程中慢变信息的同时,实现样本多样性增强。在此基础上,构建对抗域外数据生成模块,并采取对抗的训练方式,基于所搭建的对抗性数据生成框架获得伪域,进一步扩充了可用样本的多样性,在该框架中添加了域差异函数从而增强伪域的多样性,并添加了流形正则化和语义正则化确保伪域的一致性。最后,基于扩充后的多样性样本,搭建双通道深度卷积回归网络用于RUL预测的领域泛化训练,在PHM2012数据集下实现未知工况下的滚动轴承RUL预测,试验结果验证了所提方法的有效性和优越性。 展开更多
关键词 领域泛化 剩余使用寿命(RUL)预测 未知工况 多样性数据生成 对抗性数据生成
在线阅读 下载PDF
基于多尺度健康因子-BEAST分解和SARIMA模型结合的锂离子电池剩余使用寿命预测
2
作者 姚芳 韩永康 +2 位作者 李谦 汤雨 张正宣 《天津大学学报(自然科学与工程技术版)》 北大核心 2026年第1期77-89,共13页
锂离子电池的剩余使用寿命(RUL)预测对电池管理和安全性至关重要.现有的RUL预测方法多依赖大量历史数据,且在复杂工况下精度较低,计算负担重.为解决这些问题,本文结合健康因子(HI)、贝叶斯时序分解估计器(BEAST)和季节性差分自回归移动... 锂离子电池的剩余使用寿命(RUL)预测对电池管理和安全性至关重要.现有的RUL预测方法多依赖大量历史数据,且在复杂工况下精度较低,计算负担重.为解决这些问题,本文结合健康因子(HI)、贝叶斯时序分解估计器(BEAST)和季节性差分自回归移动平均模型(SARIMA),提出了一种新颖的RUL预测方法.与传统方法不同,本文创新性地采用HI替代最大可放电容量,能够更精确地反映电池衰退过程;同时,结合贝叶斯时序分解估计器对HI进行分解与重构,提高了预测精度,减少了对大量历史数据的依赖;最后,利用季节性差分自回归移动平均模型对电池衰退的时序数据进行建模,显著提高了预测精度和计算效率.实验结果表明,以动态工况电池(CS#7)为例,所提方法在电池衰减5%时,最大相对误差小于2%,衰减10%时小于4.31%;相比LSTM和LSSVM方法,本文方法在MAE上分别降低了16.6%和25.9%,计算效率分别提高了55.2%和22.8%. 展开更多
关键词 锂离子电池 剩余使用寿命 健康因子 BEAST分解 SARIMA模型
在线阅读 下载PDF
基于SA-LSTM的高速列车D电缆剩余使用寿命预测方法
3
作者 柴琳果 张平 +4 位作者 张辉 上官伟 陈俊杰 王剑 蔡伯根 《中国铁道科学》 北大核心 2026年第1期171-184,共14页
为准确预测高速列车的D电缆剩余使用寿命,保证列车安全、高效运行,提出1种基于SA-LSTM的高速列车D电缆剩余使用寿命预测方法。首先,分析D电缆的内部结构、主要失效模式和失效机理,构建D电缆的有限元模型;其次,基于热击穿失效机理,构建D... 为准确预测高速列车的D电缆剩余使用寿命,保证列车安全、高效运行,提出1种基于SA-LSTM的高速列车D电缆剩余使用寿命预测方法。首先,分析D电缆的内部结构、主要失效模式和失效机理,构建D电缆的有限元模型;其次,基于热击穿失效机理,构建D电缆在不同热应力条件下的全生命周期加速退化数据集;然后,通过随机森林(RF)算法主动筛选关键退化特征,引入自注意力(SA)机制,融合统计特征并且结合长短时记忆(LSTM)网络实现剩余使用寿命(RUL)的准确预测;最后,通过D电缆退化模拟数据集验证所提方法的有效性。结果表明:所提方法性能表现优异,相较于传统LSTM,GRU,SVR和FNN等方法,在6种典型热应力工况下的平均绝对误差降低52.4%、均方根误差平均值降低49.7%,提高了复杂工况下D电缆的RUL预测精度。该方法对于提高铁路风险防控水平、保障列车运行安全具有参考价值。 展开更多
关键词 剩余使用寿命预测 D电缆 疲劳裂纹扩展 有限元分析 自注意力机制
在线阅读 下载PDF
联邦协作框架下的跨工况半监督剩余使用寿命预测
4
作者 李琦媛 程鑫 +3 位作者 马文清 张开淦 夏唐斌 奚立峰 《浙江大学学报(工学版)》 北大核心 2026年第1期127-137,共11页
针对不同工况下信号数据分布的差异性与隐私保护限制,设计半监督域对抗联邦协作模型(SAFCM),实现数据跨工况和隐私保护下机械设备的剩余寿命预测.设计双向注意力时序卷积网络,从通道注意力和自注意力机制2个方向进行域不变特征提取;以... 针对不同工况下信号数据分布的差异性与隐私保护限制,设计半监督域对抗联邦协作模型(SAFCM),实现数据跨工况和隐私保护下机械设备的剩余寿命预测.设计双向注意力时序卷积网络,从通道注意力和自注意力机制2个方向进行域不变特征提取;以该卷积网络作为特征提取器,构建跨工况半监督域对抗模型(COCSAM),通过域对抗学习和域距离度量在不平衡域之间实现高鲁棒性的域适应;将COCSAM集成到联邦协作框架中,搭建SAFCM,通过子模型的差异化分布和动态加权更新,实现数据隐私保护下的网络异步更新,促进数据的充分利用和高效域适应.采用2个不同应用场景下的数据集进行解释性分析和鲁棒性研究,结果证明所提模型在真实工业场景中具有稳健性和优越性. 展开更多
关键词 剩余使用寿命 半监督 域适应 跨工况 联邦学习
在线阅读 下载PDF
刀具剩余使用寿命预测方法研究进展
5
作者 高睿君 陈洁林 +2 位作者 刘钢 安庆龙 陈明 《金刚石与磨料磨具工程》 北大核心 2026年第1期34-49,共16页
刀具是制造业中不可或缺的工具,其剩余使用寿命(remaining useful life,RUL)的准确预测对提高生产效率和降低成本至关重要。随着工业自动化和智能化的发展,刀具RUL预测方法的改进和优化日益受到重视。系统综述刀具RUL预测领域的最新研... 刀具是制造业中不可或缺的工具,其剩余使用寿命(remaining useful life,RUL)的准确预测对提高生产效率和降低成本至关重要。随着工业自动化和智能化的发展,刀具RUL预测方法的改进和优化日益受到重视。系统综述刀具RUL预测领域的最新研究进展,旨在为相关研究提供全面的参考和有效的借鉴。首先,根据不同的预测原理将其分为基于物理知识模型、数据统计模型、人工智能模型和混合模型的预测方法;其次,通过对现有研究的梳理和总结,分析比较每种预测方法的原理、优点和局限性;最后,讨论刀具RUL预测方法可能面临的机遇和挑战,包括加工信号获取和处理,多传感器数据的有效融合,模型精度与泛化能力的提高以及混合模型可解释性的提升等,并对未来发展提出展望。 展开更多
关键词 刀具 剩余使用寿命(RUL)预测 概率统计 机器学习 神经网络
在线阅读 下载PDF
高端旋转机械剩余使用寿命预测及其不确定性量化评估方法
6
作者 崔硕 刘秀丽 +1 位作者 李相杰 吴国新 《中国机械工程》 北大核心 2026年第1期209-222,共14页
针对高端旋转机械剩余使用寿命预测中的准确性和不确定性量化问题,提出了基于变分深度高斯过程(VDGP)的预测方法。通过构建深度高斯过程更新模型实现不确定性的递推量化,并采用诱导点和变分推断提高大数据的处理能力。C-MAPSS和风机行... 针对高端旋转机械剩余使用寿命预测中的准确性和不确定性量化问题,提出了基于变分深度高斯过程(VDGP)的预测方法。通过构建深度高斯过程更新模型实现不确定性的递推量化,并采用诱导点和变分推断提高大数据的处理能力。C-MAPSS和风机行星齿轮数据集的实验表明,VDGP比高斯过程方法具有更高的预测准确度和更窄的置信区间,在C-MAPSS的FD002数据集上,均方根误差、评分函数分别比现有最佳的对比方法减小0.21%和45.3%。 展开更多
关键词 剩余使用寿命预测 变分深度高斯过程 不确定性量化 旋转机械 核函数
在线阅读 下载PDF
含腐蚀缺陷套管剩余使用寿命预测评价
7
作者 贾澳银 钱利勤 +3 位作者 王杰 杨经纬 吴耀坤 韦明吉 《机械强度》 北大核心 2026年第2期47-55,共9页
【目的】针对油田开发中套管腐蚀损坏严重、影响安全作业的问题,建立了一种套管剩余使用寿命预测方法,实现对含腐蚀缺陷套管剩余使用寿命的精准预测与安全性评估。【方法】首先,基于von Mises等效应力屈服准则,建立了套管-水泥环-地层... 【目的】针对油田开发中套管腐蚀损坏严重、影响安全作业的问题,建立了一种套管剩余使用寿命预测方法,实现对含腐蚀缺陷套管剩余使用寿命的精准预测与安全性评估。【方法】首先,基于von Mises等效应力屈服准则,建立了套管-水泥环-地层三维耦合有限元模型,分析了腐蚀坑深度、角度对套管应力分布及挤毁外载荷的影响规律。其次,结合现场实测数据,利用粒子群算法优化高斯过程回归,构建了套管腐蚀速率预测模型。【结果】结果表明,套管Mises应力随腐蚀深度增加而增大,随腐蚀坑角度增大而减小;当腐蚀坑角度为20°时,应力集中效应最显著。所提模型对腐蚀速率的预测具有极高精度,平均相对误差仅为0.78%。通过整合有限元力学分析与人工智能速率预测,提出了一种定量评估套管剩余使用寿命的方法,为老油田套管的预防与治理提供了指导。 展开更多
关键词 套管腐蚀缺陷 有限元分析 粒子群优化-高斯过程回归算法 腐蚀速率 剩余使用寿命
在线阅读 下载PDF
基于MSCNN和LiPFormer的锂电池剩余使用寿命预测方法
8
作者 胡陈艳 于丽娅 +2 位作者 李传江 李孝斌 徐兆 《中国测试》 北大核心 2026年第1期35-46,77,共13页
锂离子电池作为航空航天装备和无人系统的核心能源组件,对其剩余使用寿命(Remaining useful life,RUL)进行精准预测已成为设备健康管理的重要课题。针对锂离子电池容量退化过程中存在的原始数据噪声干扰、多物理尺度和长时间依赖等特性... 锂离子电池作为航空航天装备和无人系统的核心能源组件,对其剩余使用寿命(Remaining useful life,RUL)进行精准预测已成为设备健康管理的重要课题。针对锂离子电池容量退化过程中存在的原始数据噪声干扰、多物理尺度和长时间依赖等特性导致的预测挑战,提出一种融合多尺度卷积神经网络(Multi-Scale Convolutional Neural Network,MSCNN)和轻量化补丁变压器(Light Patch-wise Transformer,LiPFormer)的锂离子电池RUL预测方法。首先,针对噪声干扰问题,引入去噪自编码器(Denoising Autoencoders,DAE)对原始容量退化序列进行噪声抑制与特征重建,提升数据质量并降低异常波动对模型的影响。然后,运用MSCNN对时间序列数据进行多尺度特征提取,充分挖掘不同尺度下的特征信息。设计LiPFormer模块并利用层级化补丁划分策略,在降低计算复杂度的同时,有效建模容量衰减过程中的全局时序依赖关系,融合MSCNN与LiPFormer所提取的特征,以捕捉数据中的空间与时间特征。最后,将联合特征输入全连接层,实现RUL的回归预测。通过在NASA和CALCE电池退化数据集上的大量实验,证明了基于MSCNN和LiPFormer融合的锂电池RUL预测模型具有有效的预测性能,相比其他模型具有更好的鲁棒性和预测精度。 展开更多
关键词 锂离子电池 剩余使用寿命预测 去噪自编码器 多尺度卷积神经网络 TRANSFORMER
在线阅读 下载PDF
数据驱动的发动机剩余使用寿命直接预测
9
作者 梁佳鑫 马志赛 +1 位作者 丁千 隋鑫 《振动.测试与诊断》 北大核心 2026年第1期55-62,215,216,共10页
针对发动机剩余使用寿命(remaining useful life,简称RUL)间接预测时失效阈值难以准确设置、直接预测时监测数据与RUL之间复杂映射关系难以建立的问题,提出了一种改进的发动机RUL直接预测方案。首先,为降低监测数据中的噪声干扰,在多传... 针对发动机剩余使用寿命(remaining useful life,简称RUL)间接预测时失效阈值难以准确设置、直接预测时监测数据与RUL之间复杂映射关系难以建立的问题,提出了一种改进的发动机RUL直接预测方案。首先,为降低监测数据中的噪声干扰,在多传感器数据融合阶段引入滑动平均滤波对一维健康指标进行降噪以提升数据质量;其次,为改善退化模式特征的提取效果,提出指数函数与二次多项式函数混合交替的优化策略,通过相关向量机模型学习得到退化模式特征与RUL之间的直接映射关系,实现数据驱动的发动机RUL在线直接预测;最后,基于航空发动机的仿真数据集对提出方案的有效性进行验证。结果表明,所提出的直接预测方案无需设置失效阈值或估计未知的健康状态,能够显著提升发动机RUL预测精度,其均方根误差和Score评分函数指标值均有明显降低,有助于避免发动机服役后期的滞后预测问题。 展开更多
关键词 剩余使用寿命 特征提取 相关向量机 数据驱动方法
在线阅读 下载PDF
基于长短时分叉记忆网络的锂电池剩余使用寿命预测
10
作者 程瀚霖 张立峰 《计量学报》 北大核心 2026年第3期459-466,共8页
为了提高锂电池剩余使用寿命(RUL)的预测精度,提出一种基于长短时分叉记忆网络(LFM-Net)的预测模型。首先,从锂电池老化数据中提取放电容量的衰减趋势作为模型的输入,并采用随机失活技术进行去噪预处理。其次,引入长短时记忆网络和注意... 为了提高锂电池剩余使用寿命(RUL)的预测精度,提出一种基于长短时分叉记忆网络(LFM-Net)的预测模型。首先,从锂电池老化数据中提取放电容量的衰减趋势作为模型的输入,并采用随机失活技术进行去噪预处理。其次,引入长短时记忆网络和注意力机制,从预处理后的数据中捕捉特征并赋予不同的权重。最后,通过时间分叉机制完成最终的RUL预测。基于NASA和CALCE锂电池数据集进行实验验证,结果表明,LFM-Net在2个数据集上的平均绝对误差最大为0.0135,均方根误差最大为0.0213。与常用算法相比,其预测精度更优,验证了该方法的有效性和泛化性。 展开更多
关键词 电学计量 锂离子电池 剩余使用寿命预测 长短时分叉记忆网络 注意力机制
在线阅读 下载PDF
基于多尺度时频融合与复合注意力机制的航空发动机剩余使用寿命预测
11
作者 李龚珣 叶青 《计算机应用研究》 北大核心 2026年第2期517-527,共11页
针对传统方法在复杂工况下特征表征能力不足、长短期时序依赖关系建模困难等问题,提出了一种基于多尺度时频融合与复合注意力机制(multi-scale time-frequency fusion and composite attention mechanism,MTFCA)的航空发动机剩余使用寿... 针对传统方法在复杂工况下特征表征能力不足、长短期时序依赖关系建模困难等问题,提出了一种基于多尺度时频融合与复合注意力机制(multi-scale time-frequency fusion and composite attention mechanism,MTFCA)的航空发动机剩余使用寿命预测方法。该方法首先通过快速傅里叶变换将时域传感器信号转换为频域表征,提取幅值谱与相位谱特征并与原始时域信号进行融合,构建多维综合特征表示;随后引入高效通道注意力模块对不同特征通道进行自适应权重分配,强化关键退化特征。多尺度残差时间感知单元采用扩张因果卷积结构实现多尺度时序特征捕捉;改进的多头注意力模块引入相对位置编码机制,精确建模序列中的长短期依赖关系。在C-MAPSS基准数据集上的验证实验表明,所提方法在四个子数据集上均取得了优异的预测性能,与14个先进预测模型相比,平均RMSE和Score分别降低了13.50%和24.87%。研究结果表明,该方法能够有效捕获航空发动机退化过程中的多维度特征变化,为复杂工况下的设备健康管理提供了新的技术途径。 展开更多
关键词 剩余使用寿命预测 航空发动机 时频融合 多尺度特征 多头注意力机制
在线阅读 下载PDF
基于RBM-CNN模型的滚动轴承剩余使用寿命预测 被引量：6
12
作者 张永超 杨海昆 +2 位作者 刘嵩寿 赵帅 陈庆光 《轴承》 北大核心 2025年第5期96-101,共6页
针对滚动轴承剩余使用寿命预测时存在特征提取困难及预测准确性较差的问题,提出一种基于受限玻尔兹曼机(RBM)与卷积神经网络(CNN)的滚动轴承剩余使用寿命预测模型。首先,采用快速傅里叶变换对轴承原始振动信号进行频域变换构建幅值谱;其... 针对滚动轴承剩余使用寿命预测时存在特征提取困难及预测准确性较差的问题,提出一种基于受限玻尔兹曼机(RBM)与卷积神经网络(CNN)的滚动轴承剩余使用寿命预测模型。首先,采用快速傅里叶变换对轴承原始振动信号进行频域变换构建幅值谱;其次,通过RBM挖掘幅值谱中的深度全局特征;然后,通过建立早期故障阈值点划分退化阶段;最后,利用深度CNN对轴承剩余使用寿命进行预测。使用辛辛那提大学轴承数据集对所提方法进行验证,并与其他深度学习方法进行对比,结果表明RBM-CNN模型的均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)最小,预测准确度最高,达到90.05%,验证了RBM-CNN模型在滚动轴承剩余使用寿命预测中的优越性。 展开更多
关键词 滚动轴承 使用寿命 寿命预测 玻尔兹曼机 卷积神经网络
在线阅读 下载PDF
基于DWD-SVR模型的锂离子电池剩余使用寿命预测 被引量：4
13
作者 王小明 何叶 +3 位作者 王路路 吴红斌 徐斌 赵文广 《太阳能学报》 北大核心 2025年第2期52-59,共8页
针对锂离子电池容量退化特性的非线性和多尺度特性,提出一种基于离散小波分解(DWD)和支持向量回归(SVR)模型的锂离子电池RUL预测方法。首先,利用DWD对容量时间序列进行多尺度解耦,以降低局部再生和波动现象对预测结果的影响;其次,利用K... 针对锂离子电池容量退化特性的非线性和多尺度特性,提出一种基于离散小波分解(DWD)和支持向量回归(SVR)模型的锂离子电池RUL预测方法。首先,利用DWD对容量时间序列进行多尺度解耦,以降低局部再生和波动现象对预测结果的影响;其次,利用K-均值聚类方法将各尺度信号中样本熵与排列熵相近的子序列进行聚类,根据聚类结果将复杂度与随机性相近的子序列进行重构,以减少建模次数,提高预测效率;最后,通过SVR预测模型精确捕捉不同尺度下容量信号的变化情况,实现电池RUL准确预测。实验结果表明,提出的基于DWD-SVR模型的锂离子电池RUL预测方法能在保证全局退化趋势预测准确性的同时对波动进行及时地响应,可提高预测性能。 展开更多
关键词 锂离子电池 支持向量回归 K-均值聚类 剩余使用寿命 离散小波分解
在线阅读 下载PDF
基于融合特征和OOA-BiGRU的锂离子电池剩余使用寿命预测方法 被引量：5
14
作者 孙静 翟千淳 《电工技术学报》 北大核心 2025年第9期2996-3012,共17页
随着新能源汽车产业的持续发展,锂离子电池被大量用作车载动力电池。电池管理系统(BMS)负责监测、评估、维护和优化锂离子电池的性能和寿命,其中剩余使用寿命(RUL)预测是BMS中的重要组成部分。该文提出一种基于融合特征和鱼鹰优化算法(O... 随着新能源汽车产业的持续发展,锂离子电池被大量用作车载动力电池。电池管理系统(BMS)负责监测、评估、维护和优化锂离子电池的性能和寿命,其中剩余使用寿命(RUL)预测是BMS中的重要组成部分。该文提出一种基于融合特征和鱼鹰优化算法(OOA)优化双向门控循环单元(BiGRU)网络的锂离子电池RUL预测方法。针对电池容量难以直接测量的问题,采集电池老化过程中简单易测量的电流、电压和时间数据,从中提取能反映电池老化趋势的健康因子。提出一种结合过滤器与包装器的融合特征筛选策略,降低模型的复杂度,防止模型过拟合。搭建BiGRU网络,深入地研究序列整体结构和动态特性,整合多维度特征,适应不同时间尺度的依赖关系。采用OOA对BiGRU模型内部的超参数进行有效的优化,提高了模型的预测精度,同时实现了参数的自配置。将所提方法与传统网络模型在不同电池数据上进行比对,验证所提OOA-BiGRU模型的可靠性。另外,将提出的融合特征预测与全部特征预测和过滤特征预测的效果进行比较,证明融合特征可更好地表示电池的老化程度,提高模型预测的准确度。 展开更多
关键词 锂离子电池 剩余使用寿命 双向门控循环单元 健康因子 融合特征
在线阅读 下载PDF
基于DAE-BLS的锂离子电池剩余使用寿命预测方法 被引量：4
15
作者 张洪生 尚鑫磊 《计算机集成制造系统》 北大核心 2025年第3期1038-1047,共10页
为解决锂离子电池剩余使用寿命(RUL)预测中存在的实际容量难以准确测量、噪声信息影响算法性能等诸多问题,提出一种基于去噪自编码器(DAE)和宽度学习系统(BLS)相结合的预测方法。首先,从电池充放电曲线中提取多个与电池退化高度相关的... 为解决锂离子电池剩余使用寿命(RUL)预测中存在的实际容量难以准确测量、噪声信息影响算法性能等诸多问题,提出一种基于去噪自编码器(DAE)和宽度学习系统(BLS)相结合的预测方法。首先,从电池充放电曲线中提取多个与电池退化高度相关的健康因子(HI),并使用滑动时间窗口制备训练样本。其次,将样本输入DAE进行去噪处理。然后,将经过处理的样本输入BLS,预测电池RUL,并通过调整窗口大小和模型参数,得到最优模型。最后,利用MIT-Stanford电池退化数据集验证该方法的有效性。实验结果表明,相比于已有预测方法,所提方法在预测精度上具有更好的表现。 展开更多
关键词 锂离子电池 剩余使用寿命 健康因子 去噪自编码器 宽度学习系统
在线阅读 下载PDF
虚实结合的电池剩余使用寿命预测实验教学研究
16
作者 刘强 姜英姿 +4 位作者 种法力 王辉 戴前进 耿金萍 朱军 《实验技术与管理》 北大核心 2025年第7期246-252,共7页
该实验基于粒子群优化算法(PSO)对BP神经网络进行改进,利用BTS充放电测试仪对锂电池进行加速老化实验,从电池历史老化数据中提取健康因子,将其作为PSO-BP网络的输入,提高网络预测电池剩余使用寿命能力,最后利用多组电池的老化数据将传... 该实验基于粒子群优化算法(PSO)对BP神经网络进行改进,利用BTS充放电测试仪对锂电池进行加速老化实验,从电池历史老化数据中提取健康因子,将其作为PSO-BP网络的输入,提高网络预测电池剩余使用寿命能力,最后利用多组电池的老化数据将传统预测算法与优化的PSO-BP网络的预测精确度进行了对比。针对PSO算法易陷入局部最优陷阱与早熟收敛问题,选择非线性动态自适应惯性权重策略(IPSO)对算法再次进行改进,通过对比改进前后算法的预测效果,验证得出IPSO-BP算法更加优异。该实验过程可以使学生利用机器学习算法预测电池剩余使用寿命,采用虚实结合手段解决实际问题,提高实验的综合效果。 展开更多
关键词 电池剩余使用寿命 粒子群优化算法 虚实结合 健康因子
在线阅读 下载PDF
谐波减速器MDBO-CNN-LSTM剩余使用寿命预测
17
作者 兰月政 刘彪 +3 位作者 石超 郭世杰 吕贺 唐术锋 《农业机械学报》 北大核心 2025年第2期533-543,共11页
针对谐波减速器剩余使用寿命预测退化节点难以选取、退化指标与物理解释性差、预测效果偏差较大等问题,提出了一维堆叠卷积自编码器融合深度卷积嵌入式聚类(SCAE-DCEC)提取退化点,并结合改进蜣螂优化算法(DBO)优化CNN-LSTM的谐波减速器... 针对谐波减速器剩余使用寿命预测退化节点难以选取、退化指标与物理解释性差、预测效果偏差较大等问题,提出了一维堆叠卷积自编码器融合深度卷积嵌入式聚类(SCAE-DCEC)提取退化点,并结合改进蜣螂优化算法(DBO)优化CNN-LSTM的谐波减速器剩余使用寿命预测方法。对振动信号进行一维堆叠卷积自编码器与深度卷积嵌入式聚类,解决了退化节点难以选取、退化指标与预测网络契合度差等难题;构建了基于SPM混沌映射、自适应概率阈值和差分变异扰动的改进蜣螂优化算法,并对其性能进行评估。利用MDBO对CNN-LSTM超参数进行优化,形成MDBO-CNN-LSTM的剩余使用寿命预测模型。在搭建的谐波减速器实验台进行加速寿命实验及预测验证,实验结果表明MDBO-CNN-LSTM训练后预测模型拟合优度明显高于CNN、LSTM、CNN-LSTM、DBO-CNN-LSTM网络、直接退化全卷积、直接退化的贝叶斯优化LSTM的RUL预测方法,其预测精度达到91.33%,且该方法对谐波减速器寿命后期退化趋势中的衰退特征具有较强的辨识能力。 展开更多
关键词 谐波减速器 退化点 SCAE-DCEC MDBO-CNN-LSTM 剩余使用寿命
在线阅读 下载PDF
基于健康因子和Attention-GRU的锂电池剩余使用寿命预测
18
作者 林晶 张学明 +1 位作者 董静 高煜琨 《南京信息工程大学学报》 北大核心 2025年第6期788-797,共10页
为了提高神经网络模型预测锂离子电池剩余使用寿命的准确性,本文提出一种基于Attention(注意力机制)-GRU(门控循环单元)模型的预测方法.首先,以美国NASA公开的Random Walk电池数据为基础,在电池电压、电流和时间等直接测量数据中提取与... 为了提高神经网络模型预测锂离子电池剩余使用寿命的准确性,本文提出一种基于Attention(注意力机制)-GRU(门控循环单元)模型的预测方法.首先,以美国NASA公开的Random Walk电池数据为基础,在电池电压、电流和时间等直接测量数据中提取与电池容量衰减相关性显著的健康因子,计算健康因子与电池容量之间的相关性;其次,构建Attention-GRU模型学习健康因子变化规律,依据相关性分配注意力权重,得到注意力向量,调整隐藏层输出;最后,对电池剩余使用寿命进行预测,并增加B05系列电池寿命预测探究模型泛化能力.实验结果表明:使用Attention-GRU模型对Random Walk电池预测时,MAE和RMSE在0.015左右,对B05系列电池预测时,MAE和RMSE在0.01以下,预测精度均优于对比方法,具有较高的准确度和良好的泛化能力. 展开更多
关键词 锂离子电池 Attention-GRU 剩余使用寿命 健康因子
在线阅读 下载PDF
粒子群优化算法结合改进回声状态网络的PEMFC剩余使用寿命预测
19
作者 高锋阳 刘嘉 +3 位作者 杨栋 韩国鹏 齐丰旭 刘庆寅 《西北工业大学学报》 北大核心 2025年第3期478-487,共10页
为提高质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)退化预测的精度,提出一种基于粒子群(particle swarm optimization,PSO)算法优化改进回声状态网络(revised echo state network,RESN)的PEMFC电压预测方法。通过改... 为提高质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)退化预测的精度,提出一种基于粒子群(particle swarm optimization,PSO)算法优化改进回声状态网络(revised echo state network,RESN)的PEMFC电压预测方法。通过改进回声状态网络水库中各神经元连接方式,加快非线性拟合过程;利用PSO算法优化模型谱半径、泄漏率、神经元数量等,提高模型预测精度,采用SG(Savitzky-Golay)滤波算法对原始数据有效去峰去噪,再利用PSO-RESN准确预测PEMFC电压;采用不同样本数据集作为训练集和测试集,将所提模型在静态和准动态实验数据集下与扩展卡尔曼滤波、传统回声状态网络进行对比。结果表明,在训练集占比为80%时,对于静态工况FC1,相较于ESN,PSO-RESN方法的均方根误差(root mean square error,RMSE)和平均百分比误差(mean absolute percentage error,MAPE)分别降低了17.50%和25.53%;对于准动态工况FC2,相较于ESN方法,PSO-RESN方法的均方根误差和平均百分比误差分别降低了16.93%和21.28%。所提方法能够实现PEMFC更高精度退化趋势与剩余使用寿命预测。 展开更多
关键词 质子交换膜燃料电池 退化预测 回声状态网络 粒子群算法 剩余使用寿命
在线阅读 下载PDF
基于注意力增强Uniformer的锂电池剩余使用寿命预测
20
作者 廖列法 刘映宝 占玉敏 《汽车技术》 北大核心 2025年第6期36-44,共9页
针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引... 针对锂离子电池的剩余使用寿命(RUL)预测时常面临数据的动态变化和老化数据有限的问题,提出注意力增强Uniformer(AEUniformer)的RUL预测模型,通过Uniformer整合卷积神经网络(CNN)和自注意力机制的优势实现全面的信息感知;设计注意力引导机制(AGM)和CoordAttention实现强大的特征提取。试验结果表明,AEUniformer可以实现仅需单个老化周期的准确快速的RUL预测,数据集的平均绝对百分比误差分别为2.7%和6.16%,证明了该方法的准确性。 展开更多
关键词 锂电池 剩余使用寿命预测 数据驱动 统一变形器 注意力引导机制 坐标注意力
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 223 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部