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
2
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
融合NBEATS模型的IGBT寿命预测
1
作者
袁泽宇
刘利生
+3 位作者
彭晴晴
杨凯
郭冲
崔方舒
《电子测量与仪器学报》
北大核心
2025年第10期232-242,共11页
作为电力电子系统的核心器件,绝缘栅双极型晶体管(IGBT)在实际应用中易受电-热应力影响而发生性能退化和失效,因此对其剩余寿命的准确预测具有重要意义。针对IGBT寿命预测中单一模型预测精度不足的问题,研究了多模型融合的剩余寿命预测...
作为电力电子系统的核心器件,绝缘栅双极型晶体管(IGBT)在实际应用中易受电-热应力影响而发生性能退化和失效,因此对其剩余寿命的准确预测具有重要意义。针对IGBT寿命预测中单一模型预测精度不足的问题,研究了多模型融合的剩余寿命预测方法。首先采用变分模态分解(VMD)将IGBT寿命预测关键特征参数集电极-发射极瞬态尖峰电压分解为多个本征模态分量,其中低频趋势分量应用高斯过程回归模型预测,高频波动分量使用神经基扩展分析(NBEATS)网络建模,最后将各分量预测结果进行重构融合得到最终预测值。在NASA提供的IGBT加速老化实验数据上进行验证,所用融合模型较最优的单一VMD-NBEATS模型,均方根误差降低70%,平均绝对误差减少23.2%,决定系数提升至0.97以上。改变模型训练集和测试集的比例,融合模型在不同比例下仍表现出最优性能,验证了多尺度分解与差异化模型的稳定性和泛化性,为电力电子设备的健康监测与预防性维护提供了新的方案。
展开更多
关键词
IGBT
寿命预测
变分模态分解
高斯过程回归
nbeats
原文传递
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
被引量：
3
2
作者
李泽龙
乔钢柱
+3 位作者
崔方舒
蔡江辉
史元浩
王博辉
《中国测试》
CAS
北大核心
2024年第9期65-73,共9页
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,...
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,提取与SOH高度相关的健康因子(HIs)并进行融合;其次,利用VMD方法将融合HI分解为多个模态分量,并使用HPO超参数优化的NBEATS模型来捕捉各模态分量的特征和时序规律。最终,通过加和重构各个分量的预测值来获得电池的SOH预测。在NASA电池数据集上的实验表明,与NBEATS、HPO-NBEATS和VMD-NBEATS模型相比,VMD-HPO-NBEATS模型在MAE、RMSE和r2评价指标上均有超2%的提升,证明所提方法在SOH预测的有效性与优越性。
展开更多
关键词
锂离子电池
健康状态
nbeats
模型
猎人猎物优化算法
变分模态分解
在线阅读
下载PDF
职称材料
题名
融合NBEATS模型的IGBT寿命预测
1
作者
袁泽宇
刘利生
彭晴晴
杨凯
郭冲
崔方舒
机构
中北大学半导体与物理学院
山西中北测控有限公司
北方自动控制研究所
航天长征火箭技术有限公司
北京宇航系统工程研究所
中北大学计算机科学技术学院
出处
《电子测量与仪器学报》
北大核心
2025年第10期232-242,共11页
基金
山西省基础研究计划(202303021222084)项目资助。
文摘
作为电力电子系统的核心器件,绝缘栅双极型晶体管(IGBT)在实际应用中易受电-热应力影响而发生性能退化和失效,因此对其剩余寿命的准确预测具有重要意义。针对IGBT寿命预测中单一模型预测精度不足的问题,研究了多模型融合的剩余寿命预测方法。首先采用变分模态分解(VMD)将IGBT寿命预测关键特征参数集电极-发射极瞬态尖峰电压分解为多个本征模态分量,其中低频趋势分量应用高斯过程回归模型预测,高频波动分量使用神经基扩展分析(NBEATS)网络建模,最后将各分量预测结果进行重构融合得到最终预测值。在NASA提供的IGBT加速老化实验数据上进行验证,所用融合模型较最优的单一VMD-NBEATS模型,均方根误差降低70%,平均绝对误差减少23.2%,决定系数提升至0.97以上。改变模型训练集和测试集的比例,融合模型在不同比例下仍表现出最优性能,验证了多尺度分解与差异化模型的稳定性和泛化性,为电力电子设备的健康监测与预防性维护提供了新的方案。
关键词
IGBT
寿命预测
变分模态分解
高斯过程回归
nbeats
Keywords
IGBT
lifetime prediction
variational mode decomposition
Gaussian process regression
neural basis expansion analysis for time series
分类号
TN306 [电子电信—物理电子学]
原文传递
题名
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
被引量：
3
2
作者
李泽龙
乔钢柱
崔方舒
蔡江辉
史元浩
王博辉
机构
中北大学计算机科学与技术学院
中北大学电气与控制工程学院
西安交通大学网络空间安全学院
出处
《中国测试》
CAS
北大核心
2024年第9期65-73,共9页
基金
山西省基础研究计划资助项目(202303021222084)
山西省基础研究计划联合资助项目(TZLH20230818007)
山西省研究生教育创新项目(2024KY613)。
文摘
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,提取与SOH高度相关的健康因子(HIs)并进行融合;其次,利用VMD方法将融合HI分解为多个模态分量,并使用HPO超参数优化的NBEATS模型来捕捉各模态分量的特征和时序规律。最终,通过加和重构各个分量的预测值来获得电池的SOH预测。在NASA电池数据集上的实验表明,与NBEATS、HPO-NBEATS和VMD-NBEATS模型相比,VMD-HPO-NBEATS模型在MAE、RMSE和r2评价指标上均有超2%的提升,证明所提方法在SOH预测的有效性与优越性。
关键词
锂离子电池
健康状态
nbeats
模型
猎人猎物优化算法
变分模态分解
Keywords
lithium-ion battery
state of health
nbeats
model
hunter-prey optimizer algorithm
variational mode decomposition
分类号
TB9 [机械工程—测试计量技术及仪器]
TM912 [电气工程—电力电子与电力传动]
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
融合NBEATS模型的IGBT寿命预测
袁泽宇
刘利生
彭晴晴
杨凯
郭冲
崔方舒
《电子测量与仪器学报》
北大核心
2025
0
原文传递
2
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
李泽龙
乔钢柱
崔方舒
蔡江辉
史元浩
王博辉
《中国测试》
CAS
北大核心
2024
3
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
