针对滚动轴承不同故障位置、不同损伤程度的振动加速度信号的智能分类,提出一种基于随机搜索与长短时记忆(long short term memory,LSTM)神经网络的滚动轴承故障状态识别算法。该算法直接利用原始数据作为非线性输入,避免因人工提取特...针对滚动轴承不同故障位置、不同损伤程度的振动加速度信号的智能分类,提出一种基于随机搜索与长短时记忆(long short term memory,LSTM)神经网络的滚动轴承故障状态识别算法。该算法直接利用原始数据作为非线性输入,避免因人工提取特征值造成的原始信息缺失;使用LSTM与深度神经网络的混合网络提高模型性能;引入随机搜索算法自动优化超参数得到最优的网络配置;使用不同量纲、不同来源、不同损伤结构的两类数据集对模型进行试验验证。试验结果表明,在两类单一数据集及随机混合数据集均可达到99.8%以上的诊断准确度,表明本算法具有较高的泛化能力和鲁棒性。与BP、支持向量机、粒子群算法最小二乘支持向量机、LSSVM、浅层LSTM等方法在同等试验条件下的诊断结果进行比较,本文算法具有更高的识别准确度。展开更多
针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regr...针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regression,GPR)方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。展开更多
给出了西安市纯电动城市客车行驶工况开发的流程、路线、数据采集及合成方法,合成出西安市纯电动城市客车综合行驶工况(XiBUS)。基于主成分分析与聚类分析法,解析西安市纯电动城市客车拥堵行驶、一般行驶、通畅行驶3类典型代表工况,分...给出了西安市纯电动城市客车行驶工况开发的流程、路线、数据采集及合成方法,合成出西安市纯电动城市客车综合行驶工况(XiBUS)。基于主成分分析与聚类分析法,解析西安市纯电动城市客车拥堵行驶、一般行驶、通畅行驶3类典型代表工况,分析了西安市纯电动城市客车综合行驶工况及ECE(Economic Commission for Europe)工况与试验数据总体之间的误差,将合成的西安市纯电动城市客车工况与ECE工况做了仿真对比分析,并将西安市纯电动城市客车行驶工况与典型城市工况做了对比分析。结果表明,合成的西安纯电动公交工况(XiBUS)误差最小,更接近西安市纯电动城市客车实际工况,ECE工况误差较大,不能反映西安纯电动城市客车实际工况;XiBUS工况与ECE工况差别较大,XiBUS比ECE工况对客车的能耗要求更高。展开更多
文摘针对滚动轴承不同故障位置、不同损伤程度的振动加速度信号的智能分类,提出一种基于随机搜索与长短时记忆(long short term memory,LSTM)神经网络的滚动轴承故障状态识别算法。该算法直接利用原始数据作为非线性输入,避免因人工提取特征值造成的原始信息缺失;使用LSTM与深度神经网络的混合网络提高模型性能;引入随机搜索算法自动优化超参数得到最优的网络配置;使用不同量纲、不同来源、不同损伤结构的两类数据集对模型进行试验验证。试验结果表明,在两类单一数据集及随机混合数据集均可达到99.8%以上的诊断准确度,表明本算法具有较高的泛化能力和鲁棒性。与BP、支持向量机、粒子群算法最小二乘支持向量机、LSSVM、浅层LSTM等方法在同等试验条件下的诊断结果进行比较,本文算法具有更高的识别准确度。
文摘针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regression,GPR)方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。
文摘给出了西安市纯电动城市客车行驶工况开发的流程、路线、数据采集及合成方法,合成出西安市纯电动城市客车综合行驶工况(XiBUS)。基于主成分分析与聚类分析法,解析西安市纯电动城市客车拥堵行驶、一般行驶、通畅行驶3类典型代表工况,分析了西安市纯电动城市客车综合行驶工况及ECE(Economic Commission for Europe)工况与试验数据总体之间的误差,将合成的西安市纯电动城市客车工况与ECE工况做了仿真对比分析,并将西安市纯电动城市客车行驶工况与典型城市工况做了对比分析。结果表明,合成的西安纯电动公交工况(XiBUS)误差最小,更接近西安市纯电动城市客车实际工况,ECE工况误差较大,不能反映西安纯电动城市客车实际工况;XiBUS工况与ECE工况差别较大,XiBUS比ECE工况对客车的能耗要求更高。
