为了优化沥青老化特征的快速评价方法与效率,基于动态时间规整(dynamic time warping, DTW)算法优化不同老化程度的沥青红外光谱信息评价方法,提出了老化沥青光谱信息相似度SIS评价指标。研究表明,基于DTW算法的最小规整距离可以体现老...为了优化沥青老化特征的快速评价方法与效率,基于动态时间规整(dynamic time warping, DTW)算法优化不同老化程度的沥青红外光谱信息评价方法,提出了老化沥青光谱信息相似度SIS评价指标。研究表明,基于DTW算法的最小规整距离可以体现老化沥青中所有化学组成结构累计变化信息量,进而表明沥青的热氧老化程度。沥青相似度(spectral information similarity, SIS)与主要特征峰(亚砜基、羰基)的相关系数不低于0.954 4,与沥青的老化程度具有很强的相关性;并且相对于单一组分特征评价指标,SIS指标的离散系数可以降低92%,显著降低红外光谱规律评价结果的误判概率。说明通过与单一组分的定性评价结合使用,SIS指标可作为评价沥青老化程度的判别依据,且该评价方法也可为光谱信息的相似性鉴别与归类研究提供参考与借鉴。展开更多
为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD...为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD)来获得电池退化趋势。以改进的递归神经网络模型——长短时间序列(LSTM)来获得剩余寿命预测。以dropout-MC采样方法来表征锂离子电池剩余寿命的不确定性,并获得锂离子电池RUL的95%置信区间。结果表明:相较于传统的极限学习机(ELM)方法和非线性自回归神经网络(NARX)方法,该文方法的剩余寿命预测性能指标均低于2.4%。因而,该方法具有优越的预测性能,且获得预测的置信区间。展开更多
文摘为了优化沥青老化特征的快速评价方法与效率,基于动态时间规整(dynamic time warping, DTW)算法优化不同老化程度的沥青红外光谱信息评价方法,提出了老化沥青光谱信息相似度SIS评价指标。研究表明,基于DTW算法的最小规整距离可以体现老化沥青中所有化学组成结构累计变化信息量,进而表明沥青的热氧老化程度。沥青相似度(spectral information similarity, SIS)与主要特征峰(亚砜基、羰基)的相关系数不低于0.954 4,与沥青的老化程度具有很强的相关性;并且相对于单一组分特征评价指标,SIS指标的离散系数可以降低92%,显著降低红外光谱规律评价结果的误判概率。说明通过与单一组分的定性评价结合使用,SIS指标可作为评价沥青老化程度的判别依据,且该评价方法也可为光谱信息的相似性鉴别与归类研究提供参考与借鉴。
文摘为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD)来获得电池退化趋势。以改进的递归神经网络模型——长短时间序列(LSTM)来获得剩余寿命预测。以dropout-MC采样方法来表征锂离子电池剩余寿命的不确定性,并获得锂离子电池RUL的95%置信区间。结果表明:相较于传统的极限学习机(ELM)方法和非线性自回归神经网络(NARX)方法,该文方法的剩余寿命预测性能指标均低于2.4%。因而,该方法具有优越的预测性能,且获得预测的置信区间。