期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
依据智能交通的PHEV自适应指数模型预测控制
被引量：
2
1
作者
赵亮
胡丰宾
《机械设计与制造》
北大核心
2021年第10期145-149,共5页
为了降低插电式混合动力汽车使用成本,提出了基于智能交通系统的自适应指数模型预测控制策略。介绍了PHEV混合动力系统及工作模式,建立了动力系统关键部件模型;提出了带SOC参考轨迹的自适应指数模型预测控制方法,在模型预测方面,使用支...
为了降低插电式混合动力汽车使用成本,提出了基于智能交通系统的自适应指数模型预测控制策略。介绍了PHEV混合动力系统及工作模式,建立了动力系统关键部件模型;提出了带SOC参考轨迹的自适应指数模型预测控制方法,在模型预测方面,使用支持向量机识别车辆行驶工况,根据行驶工况自适应调整指数模型,实现了车辆状态高精度预测;在SOC轨迹规划方面,使用智能交通系统实时获取交通信息,基于DP算法规划预测时域内SOC轨迹。经实验验证,相比于理论最优控制,基于实时交通信息的自适应指数模型预测控制方法实现了96.22%的使用经济性,无交通信息参考的模型预测控制只能实现84.34%的使用经济性,说明这里提出的控制方法可以实现很高的使用经济性。
展开更多
关键词
插电式混合动力汽车
使用经济性
自适应指数模型
智能交通系统
在线阅读
下载PDF
职称材料
基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测
被引量：
49
2
作者
黄凯
丁恒
+1 位作者
郭永芳
田海建
《电工技术学报》
EI
CSCD
北大核心
2022年第15期3753-3766,共14页
锂离子电池剩余使用寿命(RUL)可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络(LSTM)的RUL预测框架。选取容量作为...
锂离子电池剩余使用寿命(RUL)可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络(LSTM)的RUL预测框架。选取容量作为健康因子,数据预处理阶段,首先使用自适应双指数模型平滑方法减少容量回升现象产生的负面影响,然后通过自适应白噪声完整集成经验模态分解(CEEMDAN)对数据进行降噪;模型构建阶段,利用预处理后的数据训练得到用于RUL预测的LSTM模型。以NASA和CALCE公开数据集为研究对象进行算法性能测试,实验结果表明,所提方法鲁棒性好,能够提供精确的RUL预测结果。
展开更多
关键词
锂电池
剩余使用寿命
自适应
双
指数
模型
平滑方法
自适应
白噪声完整集成经验模态分解
长短期记忆神经网络
在线阅读
下载PDF
职称材料
题名
依据智能交通的PHEV自适应指数模型预测控制
被引量：
2
1
作者
赵亮
胡丰宾
机构
山西机电职业技术学院
北汽福田汽车股份有限公司
出处
《机械设计与制造》
北大核心
2021年第10期145-149,共5页
基金
山西省教育科学“十三五”规划2018年度规划课题(GH-18151)。
文摘
为了降低插电式混合动力汽车使用成本,提出了基于智能交通系统的自适应指数模型预测控制策略。介绍了PHEV混合动力系统及工作模式,建立了动力系统关键部件模型;提出了带SOC参考轨迹的自适应指数模型预测控制方法,在模型预测方面,使用支持向量机识别车辆行驶工况,根据行驶工况自适应调整指数模型,实现了车辆状态高精度预测;在SOC轨迹规划方面,使用智能交通系统实时获取交通信息,基于DP算法规划预测时域内SOC轨迹。经实验验证,相比于理论最优控制,基于实时交通信息的自适应指数模型预测控制方法实现了96.22%的使用经济性,无交通信息参考的模型预测控制只能实现84.34%的使用经济性,说明这里提出的控制方法可以实现很高的使用经济性。
关键词
插电式混合动力汽车
使用经济性
自适应指数模型
智能交通系统
Keywords
Plug-in Hybrid Electric Vehicle
Service Economy
Adaptive Exponent Model
Intelligent Transportation System
分类号
TH16 [机械工程—机械制造及自动化]
TP273.1 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测
被引量：
49
2
作者
黄凯
丁恒
郭永芳
田海建
机构
省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)
河北工业大学人工智能与数据科学学院
出处
《电工技术学报》
EI
CSCD
北大核心
2022年第15期3753-3766,共14页
基金
河北省自然科学基金资助项目(E2019202328)。
文摘
锂离子电池剩余使用寿命(RUL)可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络(LSTM)的RUL预测框架。选取容量作为健康因子,数据预处理阶段,首先使用自适应双指数模型平滑方法减少容量回升现象产生的负面影响,然后通过自适应白噪声完整集成经验模态分解(CEEMDAN)对数据进行降噪;模型构建阶段,利用预处理后的数据训练得到用于RUL预测的LSTM模型。以NASA和CALCE公开数据集为研究对象进行算法性能测试,实验结果表明,所提方法鲁棒性好,能够提供精确的RUL预测结果。
关键词
锂电池
剩余使用寿命
自适应
双
指数
模型
平滑方法
自适应
白噪声完整集成经验模态分解
长短期记忆神经网络
Keywords
Lithium-ion battery
remaining useful life
adaptive bi-exponential model smooth method
the complete ensemble empirical mode decomposition with adaptive noise
long short-term memory network
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
依据智能交通的PHEV自适应指数模型预测控制
赵亮
胡丰宾
《机械设计与制造》
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测
黄凯
丁恒
郭永芳
田海建
《电工技术学报》
EI
CSCD
北大核心
2022
49
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
