期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多尺度分解和深度学习的锂电池寿命预测 被引量:31
1
作者 胡天中 余建波 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2019年第10期1852-1864,共13页
针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度... 针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络(DBN)和长短期记忆网络(LSTM),分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果.实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法. 展开更多
关键词 锂电池 剩余寿命预测(rul) 多尺度分析 深度置信网络 长短期记忆网络(LSTM)
下载PDF
基于线性回归的滚动轴承寿命预测起点的确定方法
2
作者 张海燕 袁国栋 《现代制造技术与装备》 2024年第6期81-83,共3页
针对滚动轴承剩余使用寿命(Remaining Useful Life,RUL)预测中开始预测时间(Start Prediction Time,SPT)的主观选择会导致预测信号噪声过大的问题,提出了一种基于线性回归的SPT点确定方法。采用滑动窗口线性回归方法,在均方根(Root Mean... 针对滚动轴承剩余使用寿命(Remaining Useful Life,RUL)预测中开始预测时间(Start Prediction Time,SPT)的主观选择会导致预测信号噪声过大的问题,提出了一种基于线性回归的SPT点确定方法。采用滑动窗口线性回归方法,在均方根(Root Mean Square,RMS)范围内建立滑动窗口,得到RMS梯度域。设置RMS梯度的阈值,并使用连续触发阈值机制来确定SPT点。实验结果表明,基于线性回归的滚动轴承寿命预测起点的确定方法可以自适应地确定SPT点,提高了生命预测的精度。 展开更多
关键词 滚动轴承 剩余寿命预测(rul) 开始预测时间(SPT) 线性回归
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部