排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
随着电动汽车的大规模发展,公共充电桩运行数量和充电量逐年增长。然而,充电桩运行始终存在故障频发、运维难度大和维修成本高等问题,并且传统故障检测方法效率低下。因此提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合网络电动汽车充电桩运行状态预测方法,可以实现对电动汽车充电桩运行状况的综合评估。在特征数据输入阶段,对充电桩运行状态的关键指标进行分析,通过CNN提取运行状态影响因素的特征量,再利用LSTM判断和预测充电桩运行状态,从而实现对充电桩潜在故障的预警。试验结果表明,该方法预测准确率高、实用性强,能较准确地反映和预测充电桩的运作状态,可实际用于充电桩故障预测与运维检修。 相似文献
2.
3.
4.
针对MOSFET寄生参数对LLC谐振电路性能的影响,首先对MOSFET的寄生电容进行等效分析,基于该等效模型,分析在LLC谐振变换电路中,寄生参数的存在对电路各个阶段过程的影响;接着对由于寄生参数引起的非线性特征,基于Angelov模型进行建模,并对该模型在直流电路中的影响进行分析。最后在MATLAB下建立了LLC谐振电路模型,在仿真模型中考虑了寄生参数的影响。仿真结果表明,建立的等效模型可以较好地反映MOSFET器件的工作特点;同时,由于寄生参数的存在,LLC谐振电路的输出增益和谐振频率都会受到影响,其中尤以对谐振频率的影响较大。 相似文献
5.
6.
7.
1