检索结果-南通市图书馆

Quantifying key factors for optimised manufacturing of Li-ion battery anode and cathode via artificial intelligence

能源与人工智能(英文) 2022年第1期7卷 75-90页

作者： Mona Faraji Niri Kailong Liu Geanina Apachitei Luis A.A Román-Ramírez michael lain Dhammika Widanage James Marco Warwick Manufacturing Group University of WarwickCV47AL CoventryUK The Faraday Institution Quad OneHarwell Science and Innovation CampusDidcotUK

Li-ion battery is one of the key players in energy storage technology empowering electrified and clean transportation ***,it is still associated with high costs due to the expensive material as well as high fluctuations of the manufacturing *** production processes involving mechanical,chemical,and electrical operations makes the predictability of the manufacturing process a challenge,hence the process is optimised through trial and error rather systematic *** establish an in-depth understanding of the interconnected processes and manufacturing parameters,this paper combines data-mining techniques and real production to offer a method for the systematic analysis,understanding and improving the Li-ion battery electrode manufacturing *** novelty of this research is that unlike most of the existing research that are focused on cathode manufacturing only,it covers both of the cathode and anode case ***,it is based on real manufacturing data,proposes a systematic design of experiment method for generating high quality and representative data,and leverages the artificial intelligence techniques to identify the dependencies in between the manufacturing parameters and the key quality factors of the *** this study,machine learning models are developed to quantify the predictability of electrode and cell properties given the coating process control ***,the manufacturing parameters are ranked and their contribution to the electrode and cell characteristics are quantified by *** systematic data acquisition approach as well as the quantified interdependencies are expected to assist the manufacturer when moving towards an improved battery production chain.

关键词： Li-ion battery electrodes Anode Cathode Battery manufacturing Machine learning Artificial intelligence

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

动态概率神经网络及油气概率分布预测

引用

石油地球物理勘探 2005年第1期40卷 65-70页

作者：徐旺林庞雄奇吕淑英 michael R Berthold 北京昌平石油大学盆地与油藏研究中心北京1002249 石油大学盆地与油藏研究中心海顿新科技术有限公司 Konstanz大学

传统概率神经网络(PNN)采用了前向径向基函数神经网络的局部化的、高斯型作用函数,虽然具有较好的分类能力,但也存在以下局限性:①如果学习样本增多,模式层的神经元个数也增多,导致运算矩阵的增大而使之几乎丧失处理大数据量实际资料的... 详细信息

传统概率神经网络(PNN)采用了前向径向基函数神经网络的局部化的、高斯型作用函数,虽然具有较好的分类能力,但也存在以下局限性:①如果学习样本增多,模式层的神经元个数也增多,导致运算矩阵的增大而使之几乎丧失处理大数据量实际资料的能力;②模式层到求和层的权值固定为常数,必然要求学习集合中各类样本的数量相等,从而会影响其接受实际数据的能力。为此文中引入了动态概率神经网络(DPNN),它与传统PNN在结构上的区别在于:①模式层到求和层不以等权连接,权值由学习样本集的概率分布所确定;②学习样本集中各类样本的数量(各类在模式层的神经元个数)可以不相等。文中还介绍了DPNN算法。理论数据测试充分展示了DPNN结构具有动态调整、学习收敛快速、分类识别能力强大等特点。通过选取G油田实际资料的22种属性作为网络的输入向量,用DPNN进行分类识别得到了含油气概率分布图,可为预测有利油气圈闭及油水分布规律提供依据。

关键词：实际分类能力个数模式求和相等集合动态预测概率分布

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：