期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Bo-CNN-BiLSTM的IGBT模块寿命预测方法研究
1
作者
魏颖
豆浩
吴志强
《计算机时代》
2025年第7期11-15,共5页
在实际应用中,IGBT经常在极端工况环境下工作,功率模块不断积累疲劳损伤,造成系统的非计划停机。对IGBT进行剩余寿命预测,有助于减少经济损失。从IGBT模块的失效原理出发,提出了一种Bo-CNN-BiLSTM方法,有效提高了IGBT的失效预测精度。...
在实际应用中,IGBT经常在极端工况环境下工作,功率模块不断积累疲劳损伤,造成系统的非计划停机。对IGBT进行剩余寿命预测,有助于减少经济损失。从IGBT模块的失效原理出发,提出了一种Bo-CNN-BiLSTM方法,有效提高了IGBT的失效预测精度。将预测结果的模型拟合优度(R2)提升到0.99407、平均相对误差(MRE)降低至0.00882、均方根误差(RMSE)降低至0.00428,并采用多步预测方法来增强结果可信度。研究结果表明,新方法对IGBT模块的剩余寿命预测具有实际工程应用价值。
展开更多
关键词
bo-cnn-bilstm
IGBT
剩余寿命预测
失效预测精度
在线阅读
下载PDF
职称材料
热辅助条件下微织构刀具铣削力预测方法研究
被引量:
2
2
作者
佟欣
王佰艺
+1 位作者
李鑫宇
杨树财
《仪器仪表学报》
北大核心
2025年第3期274-287,共14页
刀具表面织构化处理能够显著改善刀具的切削性能。但激光加工有着急速升温与骤冷的加工特点,这会导致重熔层堆叠和微裂纹等问题。针对上述问题,引入热辅助激光加工技术。由于钛合金是难加工材料,因此铣削过程中刀具承受较大的铣削力,这...
刀具表面织构化处理能够显著改善刀具的切削性能。但激光加工有着急速升温与骤冷的加工特点,这会导致重熔层堆叠和微裂纹等问题。针对上述问题,引入热辅助激光加工技术。由于钛合金是难加工材料,因此铣削过程中刀具承受较大的铣削力,这会导致机械系统的动态响应及振动,进而影响刀具寿命和加工表面质量。因此,准确预测铣削力可以及时调整切削参数,在保证加工质量的同时,使铣削力处于合理范围,从而提高加工效率、降低刀具磨损。综上,以硬质合金球头铣刀为研究对象,将热辅助工艺与激光加工技术相结合,搭建铣削试验平台,提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)参数,并结合小波包阈值降噪(WPT)的方法来对原始信号进行降噪处理;使用希尔伯特-黄变换(HHT)进行时频分析,探讨不同热辅助温度下的刀具铣削性能变化规律。在此基础上,结合贝叶斯优化(BO)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)以及多头注意力机制(Multihead-Attention),建立回归分析模型用于实时监测和预测铣削力;通过验证,该模型在训练集上的R^(2)值达到了0.9967,而在测试集上R^(2)值达到了0.99194,证明了该模型的准确性。为微织构制备过程中的缺陷修复提出了一种新方法,同时为钛合金铣削加工中的铣削力预测提供了一种有效的方法。
展开更多
关键词
微织构刀具
钛合金
热辅助激光加工
铣削力
bo-cnn-bilstm
-Multihead-Attention预测模型
原文传递
基于贝叶斯优化-卷积神经网络-双向长短期记忆神经网络的锂电池健康状态评估
被引量:
10
3
作者
衣思彤
刘雅浓
+2 位作者
马耀浥
李文婕
孔航
《电气技术》
2024年第5期1-10,21,共11页
准确估计电池健康状态是设备稳定运行的关键。针对当前健康状态研究中容量难以直接测量、估计模型调参费时等问题,提出基于多健康特征的贝叶斯优化(BO)算法优化卷积神经网络(CNN)与双向长短期记忆(BiLSTM)神经网络预测模型。基于NASA公...
准确估计电池健康状态是设备稳定运行的关键。针对当前健康状态研究中容量难以直接测量、估计模型调参费时等问题,提出基于多健康特征的贝叶斯优化(BO)算法优化卷积神经网络(CNN)与双向长短期记忆(BiLSTM)神经网络预测模型。基于NASA公开锂电池数据,提取3种健康特征。将CNN与BiLSTM结合,提高时间序列数据处理能力,加入BO算法自动搜寻最优参数集,避免组合网络模型陷入局部最优,从而减少评估时间。对比分析相关神经网络模型,结果表明所提方法预测准确度最高,可有效估计锂电池的健康状态,平均绝对误差和方均根误差均在1%以内。
展开更多
关键词
锂电池
健康状态(SOH)
贝叶斯优化(BO)算法
卷积神经网络(CNN)
双向长短期记忆(BiLSTM)神经网络
在线阅读
下载PDF
职称材料
题名
基于Bo-CNN-BiLSTM的IGBT模块寿命预测方法研究
1
作者
魏颖
豆浩
吴志强
机构
核反应堆技术重点实验室
湖南省南华大学计算机学院
出处
《计算机时代》
2025年第7期11-15,共5页
基金
湖南省自然科学基金(2025JJ70159)。
文摘
在实际应用中,IGBT经常在极端工况环境下工作,功率模块不断积累疲劳损伤,造成系统的非计划停机。对IGBT进行剩余寿命预测,有助于减少经济损失。从IGBT模块的失效原理出发,提出了一种Bo-CNN-BiLSTM方法,有效提高了IGBT的失效预测精度。将预测结果的模型拟合优度(R2)提升到0.99407、平均相对误差(MRE)降低至0.00882、均方根误差(RMSE)降低至0.00428,并采用多步预测方法来增强结果可信度。研究结果表明,新方法对IGBT模块的剩余寿命预测具有实际工程应用价值。
关键词
bo-cnn-bilstm
IGBT
剩余寿命预测
失效预测精度
Keywords
bo-cnn-bilstm
IGBT
Remaining Useful Life(RUL)Prediction
Failure Prediction Precision
分类号
TM461 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
热辅助条件下微织构刀具铣削力预测方法研究
被引量:
2
2
作者
佟欣
王佰艺
李鑫宇
杨树财
机构
哈尔滨理工大学机械动力工程学院
出处
《仪器仪表学报》
北大核心
2025年第3期274-287,共14页
基金
黑龙江省自然科学基金(LH2024E083)
国家自然科学基金(52475445)项目资助。
文摘
刀具表面织构化处理能够显著改善刀具的切削性能。但激光加工有着急速升温与骤冷的加工特点,这会导致重熔层堆叠和微裂纹等问题。针对上述问题,引入热辅助激光加工技术。由于钛合金是难加工材料,因此铣削过程中刀具承受较大的铣削力,这会导致机械系统的动态响应及振动,进而影响刀具寿命和加工表面质量。因此,准确预测铣削力可以及时调整切削参数,在保证加工质量的同时,使铣削力处于合理范围,从而提高加工效率、降低刀具磨损。综上,以硬质合金球头铣刀为研究对象,将热辅助工艺与激光加工技术相结合,搭建铣削试验平台,提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)参数,并结合小波包阈值降噪(WPT)的方法来对原始信号进行降噪处理;使用希尔伯特-黄变换(HHT)进行时频分析,探讨不同热辅助温度下的刀具铣削性能变化规律。在此基础上,结合贝叶斯优化(BO)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)以及多头注意力机制(Multihead-Attention),建立回归分析模型用于实时监测和预测铣削力;通过验证,该模型在训练集上的R^(2)值达到了0.9967,而在测试集上R^(2)值达到了0.99194,证明了该模型的准确性。为微织构制备过程中的缺陷修复提出了一种新方法,同时为钛合金铣削加工中的铣削力预测提供了一种有效的方法。
关键词
微织构刀具
钛合金
热辅助激光加工
铣削力
bo-cnn-bilstm
-Multihead-Attention预测模型
Keywords
micro-textured tools
titanium alloy
heat-assisted laser processing
milling force
bo-cnn-bilstm
-Multihead-Attention prediction model
分类号
TH140.7 [一般工业技术—材料科学与工程]
TH117 [机械工程—机械设计及理论]
原文传递
题名
基于贝叶斯优化-卷积神经网络-双向长短期记忆神经网络的锂电池健康状态评估
被引量:
10
3
作者
衣思彤
刘雅浓
马耀浥
李文婕
孔航
机构
大连交通大学自动化与电气工程学院
大连交通大学机车车辆工程学院
大连交通大学计算机与通信工程学院
出处
《电气技术》
2024年第5期1-10,21,共11页
基金
辽宁省自然科学基金(2021-MS-298)。
文摘
准确估计电池健康状态是设备稳定运行的关键。针对当前健康状态研究中容量难以直接测量、估计模型调参费时等问题,提出基于多健康特征的贝叶斯优化(BO)算法优化卷积神经网络(CNN)与双向长短期记忆(BiLSTM)神经网络预测模型。基于NASA公开锂电池数据,提取3种健康特征。将CNN与BiLSTM结合,提高时间序列数据处理能力,加入BO算法自动搜寻最优参数集,避免组合网络模型陷入局部最优,从而减少评估时间。对比分析相关神经网络模型,结果表明所提方法预测准确度最高,可有效估计锂电池的健康状态,平均绝对误差和方均根误差均在1%以内。
关键词
锂电池
健康状态(SOH)
贝叶斯优化(BO)算法
卷积神经网络(CNN)
双向长短期记忆(BiLSTM)神经网络
Keywords
lithium battery
state of health(SOH)
Bayesian optimization(BO)
convolutional neural network(CNN)
bi-directional long short term memory(BiLSTM)neural network
分类号
TM912 [电气工程—电力电子与电力传动]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Bo-CNN-BiLSTM的IGBT模块寿命预测方法研究
魏颖
豆浩
吴志强
《计算机时代》
2025
0
在线阅读
下载PDF
职称材料
2
热辅助条件下微织构刀具铣削力预测方法研究
佟欣
王佰艺
李鑫宇
杨树财
《仪器仪表学报》
北大核心
2025
2
原文传递
3
基于贝叶斯优化-卷积神经网络-双向长短期记忆神经网络的锂电池健康状态评估
衣思彤
刘雅浓
马耀浥
李文婕
孔航
《电气技术》
2024
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部