-
题名振动能量收集中的动态效率优化神经网络算法应用
- 1
-
-
作者
祁斌
张青波
-
机构
浙江工商职业技术学院电子信息学院
-
出处
《软件工程》
2024年第3期42-45,共4页
-
文摘
动态效率优化神经网络算法(DEONN)的提出旨在提高振动能量收集设备的能量转换效率。DEONN利用深度学习技术,结合多层感知器架构,优化了发电机的关键组件(电枢、换向器、刷子、磁场及外壳)参数,提升了能量转换效率。开展实验实现该算法预测不同运行条件下的电机效率,具体为通过建立一个包含隐藏层的神经网络,输入转速、负载电阻和线圈数等特征,预测不同工况下的电机效率。实验结果表明,实测效率与预测效率具有高度一致性,预测效率为88.5%,验证了DEONN在预测发电机的转速、负载电阻和线圈数等关键性能参数方面的有效性。
-
关键词
动态效率优化
神经网络
能量转换
发电机参数
-
Keywords
dynamic efficiency optimization
neural network
energy conversion
generator parameters
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
