排序方式: 共有8条查询结果,搜索用时 140 毫秒
1
1.
2.
3.
4.
5.
6.
为了减少噪声对锂离子电池荷电状态估计的影响,本文提出一种新颖的基于极限学习机和最大相关熵平方根容积卡尔曼滤波的SOC估计方法。首先,利用泛化性好、运行速度快的极限学习机作为卡尔曼滤波的测量方程;其次,基于灰狼优化算法,极限学习机的超参数被优化以提高电池荷电状态的估计精度;最后,基于最大相关熵平方根容积卡尔曼滤波,极限学习机的测量噪声被进一步减弱。所提方法可以简化极限学习机繁琐的调参过程,且为闭环的SOC估计方法。所提方法在多工况和宽温度范围内被测试以验证其泛化性能。测试结果显示,所提方法明显地提高了锂离子电池的荷电状态估计精度。同时,对比其他算法,所提方法的平均运行时间仅仅为长短时序列和循环门控单元网络的三分之一。当行驶工况复杂、温度变化区间较大时,所提方法的均方根误差小于1%,最大误差小于3%。当存在初始误差与环境噪声时,所提方法显示出了优越的鲁棒性。 相似文献
8.
根据齿轮滚刀铲磨加工原理,应用VERICUT软件对滚刀进行数控仿真加工。首先根据数控铲磨床建立机床模型、毛坯模型,并依据滚刀成形铲磨砂轮截形建立砂轮模型,再参照机床结构和铲磨加工原理编写数控仿真程序,最后在VERICUT软件平台中进行数控仿真加工,并对结果进行分析。分析结论表明,仿真加工能够满足设计精度要求。 相似文献
1