首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

一种改进的深度极限学习机预测锂离子电池的剩余使用寿命

针对锂离子电池剩余使用寿命预测不准确的问题,提出了一种改进的灰狼优化器优化深度极值学习机(CGWO-DELM)数据驱动预测方法。该方法使用基于自适应正常云模型的灰狼优化算法来优化深度极值学习机的偏差、输入层的权重、激活函数的选择和隐藏层节点的数量。在本文中,从放电过程中提取了可以表征电池性能退化的间接健康因素,并使用皮尔逊系数和肯德尔系数分析了它们与容量之间的相关性。然后,构建CGWO-DELM预测模型来预测锂离子电池的电容。锂离子电池的剩余使用寿命通过1.44 a·h故障阈值间接预测。预测结果与深度极限学习机器、长期记忆、其他预测方法以及当前的公共预测方法进行了比较。结果表明,CGWO-DELM预测方法可以更准确地预测锂离子电池的剩余使用寿命。

05

激光熔覆技术在零部件方面的修复和加固

炼钢、各种热轧和冷轧生产线、镀锌线等生产过程中大量使用高负荷、高速度、高精度、高合金的承载设备,其零部件在生产条件下服役,产生腐蚀、磨损和疲劳损伤或失效。但是,这些大量的设备零部件在钢铁生产中形成了大量的生产消耗,占据了非常大的生产成本和资源浪费。据初步估算,我国钢铁行业各轧钢生产线每年重要零部件的消耗仅达到100亿元。传统的方法主要是更换这些设备的零部件,即使零部件不能使用报废或者整机更换,也要预留大量的备件,占用巨大的资金和资源。同时,损坏、失效、报废的零部件或整机基本都被当作废品处理,这样的链条叠加造成的资源和资金浪费非常惊人。

03
领券