基于BO-GRU神经网络的锂离子电池剩余使用寿命预测

锂离子电池剩余使用寿命预测是锂离子电池健康管理的重要内容。针对锂离子电池剩余使用寿命预测困难、传统循环神经网络预测精度低的问题,提出一种基于贝叶斯优化(BO)-门控循环单元(GRU)神经网络的锂离子电池剩余使用寿命预测方法。这一方法提取循环数与对应的容量融合作为新特征,采用滑动窗口方法分割特征数据集,搭建门控循环单元神经网络,在网络中加入随机失活,并采用贝叶斯优化对门控循环单元神经网络参数进行优化。在不同来源数据上进行试验验证,这一方法的相对误差均小于3%,能够实现对锂离子电池剩余使用寿命的准确预测。     

基于岭回归的坐站交替模式作业效率研究

为了研究采用坐站交替模式对作业效率的影响,模拟日常办公环境,将工作时间分为30 min站姿、45 min坐姿、15 min站姿三个阶段,分别统计各个阶段的作业效率,并进行岭回归分析.通过研究确认,与回归分析相比,岭回归分析的均方根误差减小了 13.8％,迭代效率显著提高.基于岭回归对坐站交替模式作业效率进行研究,表现出较好的鲁棒性和时效性.