-
题名一种新型锂电池充电剩余时间预测方法
被引量：10
- 1
-
-
作者
程树英
林鹏程
林培杰
-
机构
福州大学物理与信息工程学院
福州大学微纳器件与太阳能电池研究所
-
出处
《电源技术》
CAS
北大核心
2019年第1期99-102,135,共5页
-
文摘
提出了一种基于信息粒化(IG)的支持向量回归(SVR)方法来预测锂电池充电剩余时间。首先,通过模糊信息粒化窗口提取代表性数据,同时形成概率性预测的置信区间上下限,并重新组合特征向量建立训练样本。然后,运用样本对训练支持向量回归模型,在参数优选方面采用网格划分的交叉验证方式。最后,通过3个不同的支持向量回归模型得到充电剩余时间的置信区间。以美国国家航空航天阿姆斯研究中心公开的电池数据为实例,通过与三段式模型方法进行对比,结果表明该模型在精度、通用性方面表现更好。
-
关键词
模糊信息粒化
支持向量回归
充电剩余时间
锂电池
-
Keywords
fuzzy information granulation
support vector regression
remaining charging time
lithium-ion battery
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名预测锂电池充电时间的三段SVR模型
被引量：6
- 2
-
-
作者
林鹏程
-
机构
福州大学物理与信息工程学院
福州大学微纳器件与太阳能电池研究所
-
出处
《电源技术》
CAS
CSCD
北大核心
2018年第8期1155-1157,1232,共4页
-
文摘
提出了一种基于三段式的支持向量回归(SVR)方法来预测锂电池充电剩余时间。根据三段式模型将充电过程分为充电初期、充电中期和充电后期,各个阶段提取相关性高的特征组成特征向量,通过参数寻优训练获得3个支持向量回归模型。以美国国家航空航天阿姆斯研究中心公开的电池数据为测试数据,与三段式模型、支持向量回归模型进行对比,结果表明该模型在通用性、精度方面表现更好。
-
关键词
三段式模型
支持向量回归
充电剩余时间
锂电池
-
Keywords
Tri-Section model
support vector regression
remaining charging time
lithium-ion battery
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名面向多区域视频监控的运动目标检测系统
被引量：6
- 3
-
-
作者
林培杰
郑柏春
陈志聪
吴丽君
程树英
-
机构
福州大学物理与信息工程学院
福州大学微纳器件与太阳能电池研究所
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2015年第3期484-491,共8页
-
基金
国家自然科学基金(No.61340051)
福州市科技计划项目(No.2013-G-93)
福建省教育厅省属高校专项课题(No.JK2014003)
-
文摘
为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。
-
关键词
视频监控
运动检测
背景动态更新
-
Keywords
FPGA
video surveillance
moving detection
background dynamic refresh
FPGA
-
分类号
TN409
[电子电信—微电子学与固体电子学]
-
-
题名基于KELM的光伏组件故障诊断方法
被引量：7
- 4
-
-
作者
吴越
陈志聪
吴丽君
林培杰
-
机构
福州大学微纳器件与太阳能电池研究所
-
出处
《电源技术》
CAS
CSCD
北大核心
2018年第4期532-535,共4页
-
基金
国家自然科学基金(61601127
51508105)
+3 种基金
福建省科技厅高校产学合作项目(2016H6012)
福建省科技厅工业引导性重点项目(2015H0021
2016H0016)
福建省自然科学基金(2015J 05124)
-
文摘
提出了一种基于核极限学习机(KELM)的光伏组件故障诊断方法。分析了各类型光伏组件故障与光伏组件等效电路模型参数的关系。将光伏组件模型参数和参数辨识的最优均方根误差(RMSE)引入作为诊断局部固有阴影的特征变量,并对KELM故障模型输入特征向量作了整合优化。通过搭建的仿真模型和实例分析证实,与直接将等效电路模型参数作为神经网络输入的方法相比,所提方法可以更快速、精确地识别出短路、老化及阴影故障。
-
关键词
光伏组件
模型参数
故障诊断
KELM
-
Keywords
PV module
model parameter
fault diagnosis
KELM
-
分类号
TM914
[电气工程—电力电子与电力传动]
-
-
题名基于迁移学习的LiPON制备工艺模拟优化
被引量：3
- 5
-
-
作者
吴军君
王涛
王英楷
王星辉
-
机构
福州大学物理与信息工程学院
福州大学微纳器件与太阳能电池研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第3期687-693,共7页
-
基金
国家自然科学基金(No.83417013)
福建省自然科学基金(No.2019J06008,No.2018J01535)。
-
文摘
不同工艺参数对磁控溅射制备固态电解质薄膜LiPON的物理化学特性有巨大影响,使用机器学习对过程建模,能加强内部原理理解,优化参数提升薄膜性能.迁移学习通过挖掘历史数据集中的信息,提升模型精确度与泛化能力,从而更好地找到良好的工艺参数.本文以文献中磁控溅射制备LiPON的数据集为例,探究靶基距离、溅射功率、溅射气压对LiPON薄膜的离子电导率的影响.对比普通机器学习,迁移学习模型在多项误差指标上提升30%以上.通过模型遍历参数空间,搜寻最佳工艺组合,预测LiPON薄膜的离子电导率为2.04μS/cm,优于文献中的最优值,方差分析与实际样本证明了该方法具有可行性.
-
关键词
LIPON
迁移学习
机器学习
工艺优化
方差分析
-
Keywords
LiPON
transfer learning
machine learning
process optimization
analysis of variance
-
分类号
TM912
[电气工程—电力电子与电力传动]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
