期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于Transformer组合模型的锂电池SOH和RUL预测
1
作者 常伟 胡志超 +1 位作者 潘多昭 师继文 《电池工业》 CAS 2024年第4期184-190,198,共8页
本论文采用了Transformer模型与多种深度学习模型的组合模型来预测电池的健康状态(SOH)和剩余使用寿命(RUL)。在NASA公开数据集合上进行了测试,使用电流、电压和温度来预测SOH,使用电流、电阻和阻抗来预测RUL。该模型首先利用卷积神经网... 本论文采用了Transformer模型与多种深度学习模型的组合模型来预测电池的健康状态(SOH)和剩余使用寿命(RUL)。在NASA公开数据集合上进行了测试,使用电流、电压和温度来预测SOH,使用电流、电阻和阻抗来预测RUL。该模型首先利用卷积神经网络(convolution neural network,CNN)提取输入数据的空间特征,然后使用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)提取输入数据的时间序列变化规律,再利用Transformer模型的多头注意力机制和前馈网络学习输入数据的特征表示,最后通过注意力机制进一步选取输入数据的时空特征中的重要部分,以共同预测SOH和RUL。实验结果表明,该模型在测试数据上的SOH预测均方误差(root mean square error,RMSE)达到0.08485,RUL预测的RMSE达到1.46,其效果均优于传统方法。因此,该深度学习模型能够有效地提高电池SOH和RUL的预测精度和稳定性。 展开更多
关键词 健康状态 电池使用寿命 卷积神经网络 双向长短期记忆网络
下载PDF
ZnAl_2O_4纳米颗粒的制备与光学性能
2
作者 师继文 魏智强 +2 位作者 武晓娟 武美荣 姜金龙 《材料热处理学报》 EI CAS CSCD 北大核心 2016年第9期1-5,共5页
以硝酸锌和硝酸铝为原料,以CTAB为表面活性剂,通过水热法成功制备了尖晶石型ZnAl_2O_4纳米晶。并利用X射线衍射(XRD)、场发射扫描电镜(FESEM)、高分辨透射电镜(HRTEM)和选区电子衍射(SAED)、X射线能量色散分析谱仪(XEDS)、傅里叶变换红... 以硝酸锌和硝酸铝为原料,以CTAB为表面活性剂,通过水热法成功制备了尖晶石型ZnAl_2O_4纳米晶。并利用X射线衍射(XRD)、场发射扫描电镜(FESEM)、高分辨透射电镜(HRTEM)和选区电子衍射(SAED)、X射线能量色散分析谱仪(XEDS)、傅里叶变换红外光谱(FTIR)和紫外可见吸收光谱(UV-vis)等测试技术对样品的晶体结构、化学成分、形貌和光学性能进行表征。实验结果表明:本方法所制备的ZnAl_2O_4为单相的尖晶石结构,晶化程度良好,晶格点阵发生了膨胀;样品形貌为颗粒状结构,颗粒尺寸在20 nm左右,颗粒形状规则且大小均匀,分散性较好。ZnAl_2O_4纳米晶具有较强的紫外吸收能力,UV-vis光谱发现样品的光学带隙减小,可能是由纳米颗粒的表面效应引起的。 展开更多
关键词 铝酸锌 水热法 晶体结构 光学性能
下载PDF
基于改进的VAE-GAN模型在电池EIS数据增强中的应用
3
作者 常伟 胡志超 +1 位作者 潘多昭 师继文 《科技和产业》 2024年第22期258-263,共6页
电化学阻抗谱(electrochemical impedance spectroscopy,EIS)是一种用于表征电池内部电化学过程的测试方法。电化学阻抗谱数据可以用于分析、评估和优化电池性能。测试EIS数据需要使用专业的仪器设备,成本较高,测试数据的数量往往不多,... 电化学阻抗谱(electrochemical impedance spectroscopy,EIS)是一种用于表征电池内部电化学过程的测试方法。电化学阻抗谱数据可以用于分析、评估和优化电池性能。测试EIS数据需要使用专业的仪器设备,成本较高,测试数据的数量往往不多,可以使用数据增强方法来增加EIS数据的数量。变分自编码器(variational autoencoder,VAE)是一种生成模型,可以通过对潜在分布中的采样来生成新的样本。生成对抗网络(generative adversarial networks,GAN)也是一种生成模型,其原理是通过两个相互对抗的网络模型来实现生成数据和判别数据的任务。VAE模型和GAN模型都可以单独用于数据增强,但是VAE和GAN模型都存在一些缺点,通过组合VAE和GAN的方法,构建VAE-GAN模型,一定程度上弥补各自的缺点,达到更好的生成效果和性能。对VAE-GAN模型的网络结构进行优化,将Transformer(转换器)模型用于VAE模型的编码器和解码器以及GAN模型的判别器中,提升了模型效果。使用改进的VAE-GAN模型,将EIS数据作为输入数据,构建EIS的预测模型,由生成器来生成EIS增强数据,由判别器来判断新生成的EIS数据是否是有效的增强数据。实验表明,提出的方法能够生成质量较好的EIS数据。 展开更多
关键词 变分自编码 对抗生成网络 VAE GAN VAE-GAN Transformer EIS
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部