-
题名电动汽车换电模式发展现状及趋势综述
被引量:6
- 1
-
-
作者
岳凯凯
马文源
袁蜀翔
阳小燕
石青易
-
机构
重庆科技学院
-
出处
《时代汽车》
2021年第10期66-67,共2页
-
文摘
本文针对国内外电动汽车换电模式发展现状进行探讨,分析了换电模式的三种优势并阐述了目前换电模式发展存在的问题。最后讨论了电动汽车换电模式的未来趋势和展望。
-
关键词
电动汽车
换电模式
未来趋势
-
Keywords
electric vehicle
battery swap mode
future trend
-
分类号
U46
[机械工程—车辆工程]
-
-
题名基于改进卷积神经网络的齿轮箱故障诊断方法
- 2
-
-
作者
马文源
袁蜀翔
刘宁
罗姚
欧阳泽
胡兴新
-
机构
重庆科技学院机械与动力工程学院
-
出处
《自动化与仪器仪表》
2023年第9期46-50,共5页
-
基金
重庆市教育委员会科学技术研究项目(KJZD-M202001502)
重庆市高等教育教学改革研究重点项目(202077)。
-
文摘
针对传统卷积神经网络(CNN)对振动信号中的时序信息特征提取不敏感,导致对齿轮箱故障诊断准确率不高的问题,提出基于CNN与双向长短时记忆网络(BiLSTM)结合的改进模型用于齿轮箱故障诊断,利用BiLSTM神经网络能够根据时序信息建模的自适应特征提取能力,使改进网络同时具有空间和时间上的特征提取能力,对振动信号中故障特征进一步深度挖掘,同时采用支持向量机(SVM)代替Softmax分类器,克服了Softmax计算速度较慢,受噪声干扰较大的缺点。通过公开数据集验证,改进CNN网络模型故障诊断准确率为98.7%,损失为0.045,比单独的CNN模型准确率高18.8%,比Softmax分类的CNN-BiLSTM模型准确率高3.75%,实验结果证明了该方法比传统CNN网络诊断准确率更高、更有效。
-
关键词
故障诊断
深度学习
卷积神经网络
双向长短期记忆神经网络
支持向量机
-
Keywords
fault diagnosis
deep learning
convolutional neural network
bidirectional long short-term memory neural network
support vector machines
-
分类号
TH132
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-