检索结果-南通市图书馆

改进PSO-RBF算法的锂电池额定容量实时估计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用与软件 2020年第3期37卷 45-50页

作者：陈德海马原潘韦驰江西理工大学电气工程与自动化学院江西赣州341000

针对在实际工况下对锂离子电池额定容量进行估计时,数学建模困难、内部参数测量复杂、模型自适应性差等问题,提出一种对粒子群聚类算法的参数组合进行优选并结合优选结果对径向基函数(RBF)神经网络进行改进的方法,以实现对锂电池额定容... 详细信息

针对在实际工况下对锂离子电池额定容量进行估计时,数学建模困难、内部参数测量复杂、模型自适应性差等问题,提出一种对粒子群聚类算法的参数组合进行优选并结合优选结果对径向基函数(RBF)神经网络进行改进的方法,以实现对锂电池额定容量的实时估计。将电池额定容量的影响因素划分为内部退化因素和特性影响因素,通过分析电池内部退化规律的相关性,进行剩余寿命预测;结合电池健康状态影响因素(温度、充放电倍率),进行动态额定容量标定。实验结果表明,改进的RBF算法预测结果平均误差约为2.1%。

关键词： PSO-RBF 电池容量 SOH RUL

基于LFOA-GRNN模型的矿用锂电池SOC预测

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2020年第6期43卷 115-118页

作者：陈德海丁博文潘韦驰江西理工大学江西赣州341000

针对矿用电动汽车锂电池SOC预测易受到工况环境影响、建模复杂、预测误差大等问题,该文将电池端电压、放电电流、环境温度、湿度作为SOC的表征因子,构成样本集以训练广义回归神经网络(GRNN),再引入具有Levy飞行特征的双子群果蝇优化算法... 详细信息

针对矿用电动汽车锂电池SOC预测易受到工况环境影响、建模复杂、预测误差大等问题,该文将电池端电压、放电电流、环境温度、湿度作为SOC的表征因子,构成样本集以训练广义回归神经网络(GRNN),再引入具有Levy飞行特征的双子群果蝇优化算法(LFOA)优化GRNN的平滑因子σ。LFOA结合了Levy飞行搜索和果蝇优化算法的优点,全局搜索能力更强,收敛速度更快。仿真结果表明,经LFOA优化的GRNN能更快地搜索到合适的σ,并有效预测电池任一充放电状态下的SOC,与FOA-GRNN模型比较,LFOA-GRNN模型预测精度更高、时间更短,最大绝对误差不超过0.03,具有较好的工程应用价值。

关键词：矿用锂电池 SOC预测 GRNN LFOA 模型建立仿真分析

在线全文

学校读者我要写书评

暂无评论

特征重校准融合密集神经网络的遥感场景分类

计算机工程与设计 2020年第6期41卷 1670-1675页

作者：陈德海潘韦驰马原黄艳国江西理工大学电气工程及自动化学院江西赣州341000

针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行... 详细信息

针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行特征重校准,利用DenseNet中密集连接方式加强信息流的传递。该方法使得整体模型获得全局感受野的稳健特征表示,减少遥感场景特征的冗余映射。通过在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中进行实验,分类精度分别高达97.7%和98.9%,验证了该方法的有效性。

关键词：特征重校准密集神经网络遥感影像深度学习场景分类

重校准特征融合对抗域适应的遥感影像场景分类

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2020年第5期37卷 145-150页

作者：陈德海潘韦驰丁博文黄艳国江西理工大学电气工程及自动化学院江西赣州341000

针对遥感影像场景数据难以获取、冗余的地理特征会降低模型的泛化能力等问题,提出一种结合重校准特征与对抗域适应的无监督遥感影像场景分类方法。通过缩聚与激发机制将SE block嵌入VggNet16,用于提高通道之间的相互依赖性,以自适应地... 详细信息

针对遥感影像场景数据难以获取、冗余的地理特征会降低模型的泛化能力等问题,提出一种结合重校准特征与对抗域适应的无监督遥感影像场景分类方法。通过缩聚与激发机制将SE block嵌入VggNet16,用于提高通道之间的相互依赖性,以自适应地重新校准通道之间的特征响应,使网络模型通过全局信息来选择性地提取有效遥感场景影像特征并抑制干扰特征;建立大型源域数据集并利用对抗域适应方法减少源域与目标域遥感影像场景特征差异,提高模型的泛化能力;在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中进行实验,分类精度分别达到89.45%和98.12%。结果表明,该方法优于主流的无监督方法,在遥感影像场景分类中取得了较好的效果。

关键词：遥感影像场景特征重校准对抗域适应深度学习图像识别

基于多尺度深度卷积神经网络的骨髓白细胞识别研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2020年第2期43卷 160-163页

作者：陈德海潘韦驰丁博文黄艳国江西理工大学电气工程及自动化学院

针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型。首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个... 详细信息

针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型。首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个数和网络深度来提取骨髓血细胞更丰富的特征;最后通过在Sysmex(希森美康)公开数据集上对6类骨髓白细胞进行实验,并与其他主流分类方法进行对比。结果表明,该文提出的MS-DCNN模型准确率达到了98.9%,高于其他主流方法,其有效性得到了验证。

关键词：骨髓白细胞卷积神经网络多尺度特征深度学习机器视觉图像分类

在线全文

学校读者我要写书评

暂无评论

非线性激活的聚合残差神经网络汽车胎纹识别

江西理工大学学报 2019年第5期40卷 80-85页

作者：陈德海潘韦驰马原黄艳国江西理工大学电气工程及自动化学院

针对汽车胎纹人工提取特征手段复杂、识别困难等问题,提出一种采用基数维度变换的聚合残差神经网络进行汽车胎纹识别的方法.在ResNeXt-50网络的基础上,对原有网络结构进行压缩,减少了聚合残差单元的基数以及瓶颈宽度,同时引入非线性激... 详细信息

针对汽车胎纹人工提取特征手段复杂、识别困难等问题,提出一种采用基数维度变换的聚合残差神经网络进行汽车胎纹识别的方法.在ResNeXt-50网络的基础上,对原有网络结构进行压缩,减少了聚合残差单元的基数以及瓶颈宽度,同时引入非线性激活函数Swish,加强网络模型的收敛能力并提高准确率.使得模型在保持识别汽车胎纹的能力的同时,大幅压缩了参数量并提升了识别汽车胎纹的能力.通过理论分析与实验,验证了方法的有效性.

关键词：汽车胎纹识别深度学习残差神经网络激活函数

基于深度学习的隧道微震监测及岩爆预警技术与系统研究

在线全文

学校读者我要写书评

暂无评论

岩石力学与工程学报 2024年第5期43卷 1041-1063页

作者：李天斌许韦豪马春驰张航张彧轩代坤坤成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059 成都理工大学环境与土木工程学院四川成都610059 重庆市城市建设投资(集团)有限公司重庆400023

针对隧道工程建设中微震监测信息处理智能化不高、隧道三维可视化信息不全和隧道岩爆灾害预警难等亟待解决的问题,采用微震监测、深度学习和虚拟仿真技术,建立隧道微震信息自动一体化处理及岩爆智能预警技术体系与系统平台。提出基于双... 详细信息

针对隧道工程建设中微震监测信息处理智能化不高、隧道三维可视化信息不全和隧道岩爆灾害预警难等亟待解决的问题,采用微震监测、深度学习和虚拟仿真技术,建立隧道微震信息自动一体化处理及岩爆智能预警技术体系与系统平台。提出基于双模态特征提取的微震多分类模型,建立基于深度卷积编解码网络的波形降噪–到时拾取双任务模型以及基于引力搜索法的微震定位算法,实现隧道微震分类–降噪–拾取–定位–震源参数计算的自动、高效、准确处理;选取累积视体积和能量指数震源参数作为关键指标,建立基于LSTM多变种网络的微震参数平行序列预测模型和岩爆孕育阶段判识预警模型,实现岩爆当前–未来状态时效演化的预警。同时,基于三维可视化框架Cesium实现隧址地理信息、地质模型、隧道模型、灾害(微震)信息的集成与显示,形成微震信息采集模块、微震信息云处理模块、岩爆预测预警模块于一体的隧道微震监测与岩爆预警系统。将系统应用于峨汉高速公路大峡谷隧道岩爆灾害段,实现海量微震数据的自动、高效、准确处理,验证隧道微震信息自动一体化处理及岩爆智能预警技术体系的有效性。

关键词：岩石力学隧道微震监测岩爆预警深度学习虚拟仿真

改进PSO-RBF模型的分阶查表法荷电状态估计

在线全文

学校读者我要写书评

暂无评论

储能科学与技术 2019年第6期8卷 1190-1196页

作者：陈德海马原潘韦驰江西理工大学电气工程与自动化学院

为了解决纯电动汽车在SOC预测时易受电流波动、工况非线性等因素影响,提出了一种针对锂电池SOC进行动态预测的方法。首先,对粒子群聚类算法的参数组合进行优选并结合优选结果对径向基函数(RBF)神经网络进行改进。然后,通过分析电池在不... 详细信息

为了解决纯电动汽车在SOC预测时易受电流波动、工况非线性等因素影响,提出了一种针对锂电池SOC进行动态预测的方法。首先,对粒子群聚类算法的参数组合进行优选并结合优选结果对径向基函数(RBF)神经网络进行改进。然后,通过分析电池在不同工作状态下的特性,将电池分为充电、静置、放电三个状态。针对电池所处的工作状态采取不同的策略对SOC进行预测。在电池放电阶段使用经过改进的PSO-RBF算法对SOC进行动态预测。在电池静置及充电状态使用二分查表法,将考虑温度漂移的开路电压曲线及充电时电流节点突变曲线制成二维数组表,利用制作的二维数组表对SOC的值进行修正。从而减小系统响应时间,同时预测提升精度。实验结果表明,该预测修正模型最大误差约为1.9%,验证了方法的有效性。

关键词： SOC 粒子群算法径向基神经网络分阶段法

在线全文

学校读者我要写书评

暂无评论

基于基因表达式编程的高架道路事故实时预测

吉林大学学报（工学版） 2024年第3期54卷 719-726页

作者：马潇驰陆建东南大学江苏省城市智能交通重点实验室南京211189 东南大学现代城市交通技术江苏高校协同创新中心南京211189 东南大学交通学院南京211189

为在城市高架道路场景下有效预测交通事故,基于上海市延安高架道路交通流和事故数据,利用附加精英基因库和灭绝机制的改进型基因表达式编程算法,提出了高架道路事故预测经验公式。通过与传统建模方法的结果进行对比,验证了经验公式的预... 详细信息

为在城市高架道路场景下有效预测交通事故,基于上海市延安高架道路交通流和事故数据,利用附加精英基因库和灭绝机制的改进型基因表达式编程算法,提出了高架道路事故预测经验公式。通过与传统建模方法的结果进行对比,验证了经验公式的预测精度和可理解性;在不进行重新训练和标定的前提下直接应用经验公式对其他高架道路的事故数据集进行预测,验证了其可移植性。结果表明:在延安高架道路数据集上,经验公式的预测性能较传统Logistics回归有较大提升,受试者工作特征曲线面积指标和F1-score指标达到与人工神经网络模型一致的水平,能正确识别74%的事故。经验公式在杭州市上塘高架道路数据集上的良好性能表明其具有基本的可移植性。综上,基因表达式编程算法针对事故风险预测问题兼顾了高精度和可理解性,并表现出可移植性,有助于建设低成本、高效率的事故预测系统。

关键词：交通运输系统工程事故预测基因表达式编程高架道路

维普期刊数据库博看期刊