新能源汽车电源模式切换设计

本文针对现有新能源汽车电源管理及不同电源状态之间的切换存在的一些问题,提出了电源模式这一概念,以及电源模式的管理和跳转方法。阐述了该方案的设计原理及实现方式,解决了当前电动汽车1)多种电源模式下,电源管理起来复杂;2)电源状态转换操作步骤繁杂,电源状态之间跳转时间长;3)多种电源模式下,当异地车辆出现故障时,远程数据排查起来较为困难等问题。

基于DBN的软件可靠性预测模型的研究

安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SADFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。