电动汽车换电模式发展现状及趋势综述

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。

基于改进卷积神经网络的齿轮箱故障诊断方法

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。