检索结果-维普期刊中文期刊服务平台

结合核岭回归与多目标粒子群优化算法的激光焊接工艺参数预测被引量：8: 1; 作者邓新国王磊 +1 位作者陈家瑞徐海威《计算机集成制造系统》 EI CSCD 北大核心 2021年第11期3131-3137,共7页; 工艺参数选择是动力电池焊接行业面临的困难,为提升动力电池焊接效率并满足多项目标,采用核岭回归与多目标粒子群优化算法相结合的方法辅助优化工艺参数选择。构造了工艺参数对应的焊接下限,继而利用基于高斯核函数的核岭回归模型进行拟... 展开更多; 关键词动力电池激光焊接工艺参数核岭回归多目标粒子群优化; 在线阅读下载PDF 职称材料

贝叶斯极限梯度提升机结合粒子群算法的电阻点焊参数预测被引量：6: 2; 作者邓新国游纬豪徐海威《电子与信息学报》 EI CSCD 北大核心 2021年第4期1042-1049,共8页; 电阻点焊是多种因素交互作用的复杂过程。该过程的复杂性加上数据规模小和工艺不稳定问题使得难以建立精确的数学模型来对电阻点焊参数进行预测。该文提出一种将贝叶斯极限梯度提升机(Bayes-XGBoost)与粒子群优化(PSO)算法结合的方法,... 展开更多; 关键词电阻点焊参数贝叶斯优化极限梯度提升机粒子群优化; 在线阅读下载PDF 职称材料

基于Bi-LSTM/Bi-GRU循环神经网络的锂电池SOC估计被引量：24: 3; 作者朱元富贺文武 +2 位作者李建兴李有财李培强《储能科学与技术》 CAS CSCD 北大核心 2021年第3期1163-1176,共14页; 锂电池的荷电状态(state-of-charge,SOC)涉及的物理特性或电化学特性高度复杂,其值一般难以直接测量,基于深度神经网络等新方法的SOC估计近期为相关研究者所关注。为进一步提升SOC估计性能,有效捕获锂电池SOC的动态物理特性,缓解深度神... 展开更多; 关键词锂电池 SOC估计 Bi-LSTM网络 Bi-GRU网络; 在线阅读下载PDF 职称材料

基于IAP的硬件在环测试系统升级研究被引量：3: 4; 作者付春流陈德旺 +1 位作者尚艳艳熊刚《电子测量技术》 2020年第7期157-160,共4页; 针对硬件在环(HIL)仿真测试系统在锂电池测试时要时常修改电池模型算法或参数,并且在系统升级时需要保持电池测试当前状态的问题,设计了一款基于IAP的固件更新方案。所提方案比传统的固件升级,具有以下3个改进:1)系统保持当前运行状况,... 展开更多; 关键词锂电池硬件在环(HIL) STM32 在应用编程(IAP) MD5; 在线阅读下载PDF 职称材料

猫群算法的锂离子电池辨识参数及仿真被引量：3: 5; 作者朱雪仪蔡俊鹏 +1 位作者陈德旺林松青《电池》 CAS CSCD 北大核心 2019年第5期392-395,共4页; 针对锂离子电池模型参数辨识问题,应用猫群算法(CSO)进行研究,并在SIMULINK环境下搭建电池仿真模型,进行有效性验证。CSO较最小二乘法、遗传算法取得了更优的效果:两种放电情况下对剩余电量估计的平均相对误差减少约0.02%;均方根误差平... 展开更多; 关键词猫群算法(CSO) 锂离子电池参数辨识建模仿真; 在线阅读下载PDF 职称材料

电池管理系统的硬件在环仿真平台搭建综述被引量：4: 6; 作者朱雪仪陈德旺 +1 位作者林松青周保生《电源技术》 CAS 北大核心 2019年第6期1080-1082,共3页; 对电池管理系统(BMS)和硬件在环(HIL)仿真技术进行了介绍。对搭建BMS-HIL仿真平台所需要的硬件与软件组成进行了具体说明,介绍了常见的硬件平台与软件工具。在人工智能时代背景下,展望了加入智能算法进行优化的新一代BMS-HIL仿真平台。; 关键词硬件在环仿真电池管理系统动力电池; 在线阅读下载PDF 职称材料

题名结合核岭回归与多目标粒子群优化算法的激光焊接工艺参数预测被引量：8: 1; 作者邓新国王磊陈家瑞徐海威; 机构福州大学计算机与大数据学院福建星云电子股份有限公司; 出处《计算机集成制造系统》 EI CSCD 北大核心 2021年第11期3131-3137,共7页; 基金国家自然科学基金资助项目(61976055)。; 文摘工艺参数选择是动力电池焊接行业面临的困难,为提升动力电池焊接效率并满足多项目标,采用核岭回归与多目标粒子群优化算法相结合的方法辅助优化工艺参数选择。构造了工艺参数对应的焊接下限,继而利用基于高斯核函数的核岭回归模型进行拟合;多目标粒子群的每个粒子代表一组工艺参数,通过群体进化与变异、引导者选取与优化、解集维护3种操作,并结合回归模型,有效获取了指定焊接目标下的最优解集。该方法还借鉴K近邻算法思想设计评价标准,以度量每个解的可靠性,进一步筛选更优质的解,保证所选工艺参数有更高的容错性。所提方法解决了电池焊接行业目前面临的问题,具有极其重要的应用价值。; 关键词动力电池激光焊接工艺参数核岭回归多目标粒子群优化; Keywords power battery laser welding process parameters kernel ridge regression multi-objective particle swarm optimization; 分类号 TP39 [自动化与计算机技术—计算机应用技术] TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名贝叶斯极限梯度提升机结合粒子群算法的电阻点焊参数预测被引量：6: 2; 作者邓新国游纬豪徐海威; 机构福州大学数学与计算机科学学院福建星云电子股份有限公司; 出处《电子与信息学报》 EI CSCD 北大核心 2021年第4期1042-1049,共8页; 基金国家自然科学基金(61976055)。; 文摘电阻点焊是多种因素交互作用的复杂过程。该过程的复杂性加上数据规模小和工艺不稳定问题使得难以建立精确的数学模型来对电阻点焊参数进行预测。该文提出一种将贝叶斯极限梯度提升机(Bayes-XGBoost)与粒子群优化(PSO)算法结合的方法,对厚度为0.15 mm的镍片和0.4 mm的不锈钢电池正极帽选取合适的样本特征和样本组合;利用极限梯度提升机(XGBoost)的非线性切分能力和防控过拟合机制对点焊工艺参数进行正向训练,并引入贝叶斯优化为梯度提升机选取最佳超参数;利用粒子群优化算法的全局寻优能力,对可变目标值的工艺参数进行反向预测,从而得到最优工艺参数。电阻点焊实验表明该方法比文中其他对比算法具有较强的综合性能,能够有效辅助点焊工艺。; 关键词电阻点焊参数贝叶斯优化极限梯度提升机粒子群优化; Keywords Resistance spot welding parameters Bayesian optimization eXtreme Gradient Boosting(XGBoost) Particle Swarm Optimization(PSO); 分类号 TP39 [自动化与计算机技术—计算机应用技术] TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于Bi-LSTM/Bi-GRU循环神经网络的锂电池SOC估计被引量：24: 3; 作者朱元富贺文武李建兴李有财李培强; 机构福建工程学院福建星云电子股份有限公司; 出处《储能科学与技术》 CAS CSCD 北大核心 2021年第3期1163-1176,共14页; 基金国家重点研发计划项目(2018YFB0905304) 福建省区域发展项目(2018H4005) 福建省自然科学基金项目(2020J01891)。; 文摘锂电池的荷电状态(state-of-charge,SOC)涉及的物理特性或电化学特性高度复杂,其值一般难以直接测量,基于深度神经网络等新方法的SOC估计近期为相关研究者所关注。为进一步提升SOC估计性能,有效捕获锂电池SOC的动态物理特性,缓解深度神经网络模型容易发生的梯度消失与梯度爆炸等问题,本文引入双向学习策略,基于双向长短期记忆循环神经网络(bidirectional long short-term memory,Bi-LSTM)以及双向门控循环单元网络(bidirectional gated recurrent unit,Bi-GRU)估计锂电池的SOC取值。双向循环神经网络SOC估计模型由输入层、隐藏层和输出层组成。输入层输入电池电压、电流与温度序列;隐藏层在正向LSTM/GRU层的基础上增加反向LSTM/GRU层,引入逆序信息,基于输入序列上下文所含信息整体上学习、表征电池特性序列与SOC序列之间的内在关联;输出层输出模型的估计值。所拟模型使用Python语言结合TensorFlow后端在Keras框架中实现,并基于基准数据集在3种温度条件下结合多种工况进行性能分析。结果表明,双向学习策略能有效提升锂电池SOC的估计性能,较之单向学习模型具有更高的估计精度与鲁棒性。与构造电池等效模型等方法的思路不同,所拟方法基于数据驱动学习锂电池SOC的非线性特性,将易于观测的锂电池特性序列数据映射为待估计的SOC取值,为锂电池SOC估计提供了可能的新思路。; 关键词锂电池 SOC估计 Bi-LSTM网络 Bi-GRU网络; Keywords lithium-ion battery SOC estimation Bi-LSTM network Bi-GRU 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

题名基于IAP的硬件在环测试系统升级研究被引量：3: 4; 作者付春流陈德旺尚艳艳熊刚; 机构福州大学数学与计算机科学学院福建星云电子股份有限公司; 出处《电子测量技术》 2020年第7期157-160,共4页; 基金国家自然科学基金(61976055) 新能源大数据的智能分析与软件开发(01001707) 省级科技特派员工作经费(82898426)项目资助; 文摘针对硬件在环(HIL)仿真测试系统在锂电池测试时要时常修改电池模型算法或参数,并且在系统升级时需要保持电池测试当前状态的问题,设计了一款基于IAP的固件更新方案。所提方案比传统的固件升级,具有以下3个改进:1)系统保持当前运行状况,实现部分函数的更新;2)加入MD5校验,以保证写入到内存中数据的正确性;3)在上位机界面,按下发送的按钮就能完成整套更新流程。该方案解决了传统锂电池测试时需要更新整个应用程序并且重新进行测试的缺点,测试表明更新方案能够稳定地实现部分函数的更新,其更新准确率超过99.99%,表现出强大的稳定性。; 关键词锂电池硬件在环(HIL) STM32 在应用编程(IAP) MD5; Keywords lithium battery hardware-in-the-loop(HIL) STM32 in application programming MD5; 分类号 TP311 [自动化与计算机技术—计算机软件与理论] 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

题名猫群算法的锂离子电池辨识参数及仿真被引量：3: 5; 作者朱雪仪蔡俊鹏陈德旺林松青; 机构福州大学数学与计算机科学学院福州大学-星云股份智慧新能源研究中心福建星云电子股份有限公司; 出处《电池》 CAS CSCD 北大核心 2019年第5期392-395,共4页; 基金国家重点研发计划课题(2018YFB0104403) 福州大学产学研合作项目(01001707); 文摘针对锂离子电池模型参数辨识问题,应用猫群算法(CSO)进行研究,并在SIMULINK环境下搭建电池仿真模型,进行有效性验证。CSO较最小二乘法、遗传算法取得了更优的效果:两种放电情况下对剩余电量估计的平均相对误差减少约0.02%;均方根误差平均减少0.00057;CSO达到最优适应度的迭代次数仅为遗传算法的一半。; 关键词猫群算法(CSO) 锂离子电池参数辨识建模仿真; Keywords cat swarm optimization(CSO) Li-ion battery parameter identification modeling and simulation; 分类号 TM912.9 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名电池管理系统的硬件在环仿真平台搭建综述被引量：4: 6; 作者朱雪仪陈德旺林松青周保生; 机构福州大学数学与计算机科学学院福州大学星云股份智慧新能源研究中心福建星云电子股份有限公司; 出处《电源技术》 CAS 北大核心 2019年第6期1080-1082,共3页; 文摘对电池管理系统(BMS)和硬件在环(HIL)仿真技术进行了介绍。对搭建BMS-HIL仿真平台所需要的硬件与软件组成进行了具体说明,介绍了常见的硬件平台与软件工具。在人工智能时代背景下,展望了加入智能算法进行优化的新一代BMS-HIL仿真平台。; 关键词硬件在环仿真电池管理系统动力电池; Keywords hardware-in-the-loop simulation battery management system power battery; 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	结合核岭回归与多目标粒子群优化算法的激光焊接工艺参数预测	邓新国王磊陈家瑞徐海威	《计算机集成制造系统》 EI CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料
2	贝叶斯极限梯度提升机结合粒子群算法的电阻点焊参数预测	邓新国游纬豪徐海威	《电子与信息学报》 EI CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
3	基于Bi-LSTM/Bi-GRU循环神经网络的锂电池SOC估计	朱元富贺文武李建兴李有财李培强	《储能科学与技术》 CAS CSCD 北大核心	2021	24	在线阅读下载PDF 职称材料
4	基于IAP的硬件在环测试系统升级研究	付春流陈德旺尚艳艳熊刚	《电子测量技术》	2020	3	在线阅读下载PDF 职称材料
5	猫群算法的锂离子电池辨识参数及仿真	朱雪仪蔡俊鹏陈德旺林松青	《电池》 CAS CSCD 北大核心	2019	3	在线阅读下载PDF 职称材料
6	电池管理系统的硬件在环仿真平台搭建综述	朱雪仪陈德旺林松青周保生	《电源技术》 CAS 北大核心	2019	4	在线阅读下载PDF 职称材料