期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于EEMD和MKRVM的锂电池剩余寿命预测方法
被引量：
13
1
作者
张朝龙
何怡刚
袁莉芬
《电力系统及其自动化学报》
CSCD
北大核心
2018年第7期38-44,共7页
锂电池储能是一种快速高效的有功功率和无功功率调节方法,可用于发、输、变、配用各个环节。针对锂电池测量数据中经常伴随着各种类型及大小的噪声,提出了一种基于集合经验模态分解EEMD(ensemble empir-ical mode decomposition)去噪和...
锂电池储能是一种快速高效的有功功率和无功功率调节方法,可用于发、输、变、配用各个环节。针对锂电池测量数据中经常伴随着各种类型及大小的噪声,提出了一种基于集合经验模态分解EEMD(ensemble empir-ical mode decomposition)去噪和多核相关向量机MKRVM(multiple kernel relevance vector machine)的锂电池剩余寿命预测方法。首先执行EEMD去噪,去除测量数据中的噪声信号;然后将MKRVM算法用于预测锂电池的剩余寿命,其中MKRVM核函数的稀疏系数通过量子粒子群算法获取。利用美国国家航空航天局艾姆斯研究中心提供的锂电池测量数据,对提出的方法进行了测试,在测试中展示了EEMD去噪和MKRVM预测方法的实现过程,并证明了方法的有效性与先进性。
展开更多
关键词
锂电池
剩余寿命
集合经验模态分解去噪
多核相关向量机
量子粒子群优化
下载PDF
职称材料
采用多核相关向量机的人体步态识别
被引量：
8
2
作者
刘磊
杨鹏
刘作军
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017年第3期562-571,共10页
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入...
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.
展开更多
关键词
下肢表面肌电信号(SEMG)
关节角度
多核学习(MKL)
多核相关向量机(MKRVM)
步态识别
萤火虫优化(GSO)算法
下载PDF
职称材料
题名
基于EEMD和MKRVM的锂电池剩余寿命预测方法
被引量：
13
1
作者
张朝龙
何怡刚
袁莉芬
机构
安庆师范大学物理与电气工程学院
合肥工业大学电气与自动化工程学院
出处
《电力系统及其自动化学报》
CSCD
北大核心
2018年第7期38-44,共7页
基金
国家自然科学基金资助项目(51607004
51577046)
+3 种基金
国家自然科学基金资助重点项目(51637004)
国家重点研发计划资助项目"重大科学仪器设备开发"(2016YFF0102200)
安徽省自然科学基金资助项目(1608085QF157)
安徽省高校优秀青年人才支持计划资助重点项目(gxyq ZD2016207)
文摘
锂电池储能是一种快速高效的有功功率和无功功率调节方法,可用于发、输、变、配用各个环节。针对锂电池测量数据中经常伴随着各种类型及大小的噪声,提出了一种基于集合经验模态分解EEMD(ensemble empir-ical mode decomposition)去噪和多核相关向量机MKRVM(multiple kernel relevance vector machine)的锂电池剩余寿命预测方法。首先执行EEMD去噪,去除测量数据中的噪声信号;然后将MKRVM算法用于预测锂电池的剩余寿命,其中MKRVM核函数的稀疏系数通过量子粒子群算法获取。利用美国国家航空航天局艾姆斯研究中心提供的锂电池测量数据,对提出的方法进行了测试,在测试中展示了EEMD去噪和MKRVM预测方法的实现过程,并证明了方法的有效性与先进性。
关键词
锂电池
剩余寿命
集合经验模态分解去噪
多核相关向量机
量子粒子群优化
Keywords
lithium-ion
battery
remaining
useful
life
ensemble
empirical
mode
decomposition(EEMD)denoising
multiple
kernel
relevance
vector
machine
quantum
particle
swarm
optimization
分类号
TM930.12 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
采用多核相关向量机的人体步态识别
被引量：
8
2
作者
刘磊
杨鹏
刘作军
机构
郑州轻工业学院建筑环境工程学院
河北工业大学控制科学与工程学院
智能康复装置与检测技术教育部工程研究中心
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017年第3期562-571,共10页
基金
国家自然科学基金资助项目(61174009
61203323)
+1 种基金
天津市自然科学基金项目资助项目(13JCQNJC03400)
2016年度河南省高等学校重点科研项目(16B413006)
文摘
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.
关键词
下肢表面肌电信号(SEMG)
关节角度
多核学习(MKL)
多核相关向量机(MKRVM)
步态识别
萤火虫优化(GSO)算法
Keywords
surface
electromyography（SEMG）
joint
angle
multiple
kernel
learning（MKL）
multiple
kernel
relevance
vector
machine
（MKRVM）
Locomotion-Mode
recognition
glowworm
swarm
optimization（GSO）algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于EEMD和MKRVM的锂电池剩余寿命预测方法
张朝龙
何怡刚
袁莉芬
《电力系统及其自动化学报》
CSCD
北大核心
2018
13
下载PDF
职称材料
2
采用多核相关向量机的人体步态识别
刘磊
杨鹏
刘作军
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017
8
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
