简介:摘要:本文提出了一种融合等效电路模型与数据驱动模型的SOC与SOH联合估计方法,通过构建考虑老化和SOC的二阶RC电池模型,结合递推最小二乘法在线辨识电池参数,并利用高斯过程回归(GPR)模型估计SOH。该方法通过耦合SOH与SOC估计,提升估计精度。实验验证显示,该方法能有效提升SOC与SOH估计精度,在电池全生命周期内准确追踪其真实值。
简介:【摘要】时针分针夹角问题一直是学生学习的一个难点,很多学生一遇到此类问题,无从下手。故本文根据时针分针夹角问题,介绍一种简单快捷的解题方法及其在数学问题中的应用。以期帮助学生掌握时针分针夹角问题。
简介:摘要:烟支计数是在自动化质量控制中的重要环节,准确的计数不仅关系到生产效率,而且直接影响到产品的最终质量。本文提出了一种采用最新的深度学习技术——改进的P2PNet(Point-to-Point Network)密度估计网络来实现高准确度的烟支计数的方法。该网络主要是调整P2PNet的特征提取模块以及加入注意力机制SE算法。结果表明,能够精确估计烟支的密度分布,在烟支密集下,准确率能达到99.8%。
简介:摘要:在无线通信系统中,由于障碍物的存在,电磁波除了直射传播之外,还可以反射、衍射和散射。当电磁波遇到比波长大的障碍物时,会发生发射和透射;电磁波入射到建筑物、墙壁和其他大型物体的边缘时,则会发生衍射的现象;而当电磁波入射到不规则物体,如粗糙表面的墙壁、车辆和树叶等,则会使电磁波在各个方向散射。
简介:摘要:为精准地对锂电池荷电状态(SOC)作出估计,本文基于平滑因子引入以及神经网络提出了优化后的一种锂电池SOC估计方法。在RBF神经网络中,我们综合运用了黄金分割优选法以及模糊C均值聚类算法,以明确最佳隐含层神经元个数以及径向基中心。同时,以遗传算法来优化计算该方法体系中的高斯核函数宽度还有连接权值,以更好地明确RBF神经网络结构及其初始参数。在神经网络模型中,我们将放电容量纳入一个平滑因子,使RFB网络能够对锂离子电池非线性表现出较好的拟合能力。根据实验总结的锂离子电池数据,对本文所提方法加以仿真,得知优化后锂电池SOC达到了更高的估计精度。
简介:摘要:深度学习技术在无线通信信道估计中的应用展现出显著的性能优势。通过构建基于深度学习的信道估计模型,能够有效捕捉信道特性,提高估计的准确性和鲁棒性。然而,现有信道估计方法存在局限性,如对信道模型的依赖、计算复杂度高、对训练序列的依赖等。深度学习模型通过数据驱动的方式,减少了对信道模型的依赖,降低了计算复杂度,并提高了模型的泛化能力。性能评估显示,深度学习信道估计在多种信道条件下均能保持较高的估计精度。未来,深度学习信道估计技术将继续优化,以适应更高速、更安全的通信需求,推动无线通信技术的发展。
简介:摘要:本文探讨了深度学习在电力系统状态估计中的应用,重点分析了循环神经网络(RNN)、长短期记忆网络(LSTM)和卷积神经网络(CNN)等模型的设计与优化,并通过实验验证了其在负荷预测、故障诊断等方面的效果。深度学习的应用显著提升了电力系统状态估计的精度与效率,为未来电网的智能化管理提供了支持。
简介:摘要:煤质分析结果的审核是一项技术性和经验性极强的工作,审核人员不但要掌握个检测项目的原理和方法,还要了解各项目之间的相互关系,常燃用煤种的特性,检测项目数据的区间范围,以便对入厂煤质的分析结果作出正确的判断,及时发现问题,及时纠正,避免造成发现问题后,所检验的批煤已燃烧完毕或已掺混完成,造成无法溯源的情况。本文主要通过回归经验公式对检测结果的准确性进行分析及如何应用进行简述。
简介:【摘 要】本文对管道双层保温经济厚度的计算公式和计算方法进行了深入探讨并附有计算例题,尤其对小口径高温汽水取样管在新规程的公式应用中出现的问题提出了更实用的公式,实际工程建议采用最新型的管道双层保温经济厚度方法即完全经济厚度法公式进行计算。