针对退役动力电池规模大、单体筛选复杂、重组后动态特性差异大以及寿命损耗加剧等问题,该文考虑电池模组的功能状态(state of function,SOF)特性,提出基于数字孪生技术的退役电池模组筛选方法。首先,通过电压、电流、荷电状态(state of...针对退役动力电池规模大、单体筛选复杂、重组后动态特性差异大以及寿命损耗加剧等问题,该文考虑电池模组的功能状态(state of function,SOF)特性,提出基于数字孪生技术的退役电池模组筛选方法。首先,通过电压、电流、荷电状态(state of charge,SOC)及健康状态(state of health,SOH)等参量表征SOF特性,估计梯次利用过程中SOF动态安全裕度;其次,搭建耦合物理模型、信息流及数字孪生映射体的电池模组筛选架构,提出基于生成对抗网络(generative adversarial networks,GAN)与长短期记忆网络(long short-term memory,LSTM)的电池数据缺失及偏移预测方法,优化退役动力电池模组表征SOF的多性能参量;最后,采用k-means算法对综合考虑SOH及SOF特性的退役电池模组进行聚类筛选。仿真结果表明:所提筛选方法可以提高退役动力电池动态一致性,并延长梯次利用过程中电池的运行寿命。展开更多
针对最小二乘孪生支持向量机受误差值影响大,对噪声样本敏感及核函数、核参数选择困难等问题,提出一种Critic特征加权的多核最小二乘孪生支持向量机(Multi-Kernel Least-Squares Twin Support Vector Machine based on Critic weighted,...针对最小二乘孪生支持向量机受误差值影响大,对噪声样本敏感及核函数、核参数选择困难等问题,提出一种Critic特征加权的多核最小二乘孪生支持向量机(Multi-Kernel Least-Squares Twin Support Vector Machine based on Critic weighted,CMKLSTSVM)分类方法。首先,CMKLSTSVM使用Critic法赋予特征权重,反映不同特征间重要性差异,降低冗余特征及噪声样本影响。其次,根据混合多核学习策略构造了一种新的多核权重系数确定方法。该方法通过基核与理想核间的混合核对齐值判断核函数相似程度,确定权重系数,可以合理地组合多个核函数,最大程度地发挥不同核函数的映射能力。最后,采用加权求和的方式将特征权重与核权重进行统一并构造多核结构,使数据表达更全面,提高模型灵活性。在UCI数据集上的对比实验表明,CMKLSTSVM的分类准确率优于单核结构的SVM(support vector machine)算法,同时在高光谱图像上的对比实验反映了CMKLSTSVM对于包含噪声的真实分类问题的有效性。展开更多
Properties of the gamma function are examined with implications for the Riemann hypothesis. Some new relations are obtained for the roots of the Zeta function using the properties of the Gamma function, the Bernoulli ...Properties of the gamma function are examined with implications for the Riemann hypothesis. Some new relations are obtained for the roots of the Zeta function using the properties of the Gamma function, the Bernoulli function, and limitations imposed by the rational relations of the complex roots of the Riemann zeta function, and the rational relations of the complex Gamma functions.展开更多
文摘针对退役动力电池规模大、单体筛选复杂、重组后动态特性差异大以及寿命损耗加剧等问题,该文考虑电池模组的功能状态(state of function,SOF)特性,提出基于数字孪生技术的退役电池模组筛选方法。首先,通过电压、电流、荷电状态(state of charge,SOC)及健康状态(state of health,SOH)等参量表征SOF特性,估计梯次利用过程中SOF动态安全裕度;其次,搭建耦合物理模型、信息流及数字孪生映射体的电池模组筛选架构,提出基于生成对抗网络(generative adversarial networks,GAN)与长短期记忆网络(long short-term memory,LSTM)的电池数据缺失及偏移预测方法,优化退役动力电池模组表征SOF的多性能参量;最后,采用k-means算法对综合考虑SOH及SOF特性的退役电池模组进行聚类筛选。仿真结果表明:所提筛选方法可以提高退役动力电池动态一致性,并延长梯次利用过程中电池的运行寿命。
文摘针对最小二乘孪生支持向量机受误差值影响大,对噪声样本敏感及核函数、核参数选择困难等问题,提出一种Critic特征加权的多核最小二乘孪生支持向量机(Multi-Kernel Least-Squares Twin Support Vector Machine based on Critic weighted,CMKLSTSVM)分类方法。首先,CMKLSTSVM使用Critic法赋予特征权重,反映不同特征间重要性差异,降低冗余特征及噪声样本影响。其次,根据混合多核学习策略构造了一种新的多核权重系数确定方法。该方法通过基核与理想核间的混合核对齐值判断核函数相似程度,确定权重系数,可以合理地组合多个核函数,最大程度地发挥不同核函数的映射能力。最后,采用加权求和的方式将特征权重与核权重进行统一并构造多核结构,使数据表达更全面,提高模型灵活性。在UCI数据集上的对比实验表明,CMKLSTSVM的分类准确率优于单核结构的SVM(support vector machine)算法,同时在高光谱图像上的对比实验反映了CMKLSTSVM对于包含噪声的真实分类问题的有效性。
文摘Properties of the gamma function are examined with implications for the Riemann hypothesis. Some new relations are obtained for the roots of the Zeta function using the properties of the Gamma function, the Bernoulli function, and limitations imposed by the rational relations of the complex roots of the Riemann zeta function, and the rational relations of the complex Gamma functions.
