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
共找到1,303,670篇文章
< 1 2 … 250 >
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：
基于NGO-CNN-BiLSTM神经网络的动态质子交换膜燃料电池剩余使用寿命预测
1
作者 许亮 任圆圆 李俊芳 《汽车工程师》 2024年第3期1-7,共7页
为解决质子交换膜燃料电池(PEMFC)剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于北方苍鹰优化(NGO)、卷积神经网络(CNN)和双向长短时记忆(BiLSTM)神经网络的动态燃料电池RUL预测模型。首先,利用NGO对CNN-BiLSTM模型的学习率、隐... 为解决质子交换膜燃料电池(PEMFC)剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于北方苍鹰优化(NGO)、卷积神经网络(CNN)和双向长短时记忆(BiLSTM)神经网络的动态燃料电池RUL预测模型。首先,利用NGO对CNN-BiLSTM模型的学习率、隐藏节点及正则化系数进行寻优,然后,通过CNN-BiLSTM模型的卷积层对输入数据进行特征提取,输入到BiLSTM层进行时序建模和预测。同时,利用小波阈值去噪算法对原始数据进行平滑处理,采用皮尔逊相关系数提取模型输入变量,并搭建NGO-CNN-BiLSTM神经网络功率预测模型。仿真验证结果表明,该方法预测精度达99.49%,高于其他对比模型的预测精度。 展开更多
关键词 质子交换膜燃料电池 NGO-CNN-BiLSTM网络 剩余使用寿命预测
下载PDF
基于混合分解和PCG-BiLSTM的风速短期预测
2
作者 毕贵红 黄泽 +3 位作者 赵四洪 谢旭 陈仕龙 骆钊 《太阳能学报》 EI CAS CSCD 2024年第1期159-170,共12页
为降低风速的随机性对风力发电的影响,提高风速短期预测的精准度,提出一种基于混合分解、双通道输入、多分支PCG-BiLSTM深度学习模型的短期风速预测方法。首先,将全年风速数据分为春、夏、秋、冬4个季度,选取春季作为主要实验对象;其次... 为降低风速的随机性对风力发电的影响,提高风速短期预测的精准度,提出一种基于混合分解、双通道输入、多分支PCG-BiLSTM深度学习模型的短期风速预测方法。首先,将全年风速数据分为春、夏、秋、冬4个季度,选取春季作为主要实验对象;其次,利用奇异谱分解(SSD)和变分模态分解(VMD)以降低原始春季风速数据复杂度,生成具有不同模态且复杂度低的子分量,两种不同模式子分量组合为混合分量,实现不同模式分解算法的优势互补;最后,将混合分量以双通道的形式输入到多分支PCG-BiLSTM深度学习模型中,其模型的每个分支由卷积神经网络(CNN)与门控循环单元(GRU)并联组成时空特征提取模块,用于提取两种分解分量组合的混合分量的时空特征,各分支提取对应混合分量的时空特征经聚合后再由双向长短期记忆网络(BiLSTM)进一步提取风速信号的正向和反向双向波动规律,进而得到最终的风速预测结果。多组实验结果表明:提出的组合预测方法在短期风速预测中具有较高的精度和泛化能力,优于其他传统预测方法。 展开更多
关键词 风速 预测 深度学习 混合分解 并联网络
原文传递
结合太阳辐射量计算与CNN-LSTM组合的光伏功率预测方法研究
3
作者 王东风 刘婧 +2 位作者 黄宇 史博韬 靳明月 《太阳能学报》 EI CAS CSCD 2024年第2期443-450,共8页
为了提高模型预测性能,提出一种综合太阳辐射模型及深度学习的光伏功率预测模型。首先,利用太阳辐射机理建立太阳辐射模型(SRM),估算出水平面上总辐射值,再由斜面辐照度转换方法计算出光伏组件所接收的斜面辐射值。其次,通过皮尔逊相关... 为了提高模型预测性能,提出一种综合太阳辐射模型及深度学习的光伏功率预测模型。首先,利用太阳辐射机理建立太阳辐射模型(SRM),估算出水平面上总辐射值,再由斜面辐照度转换方法计算出光伏组件所接收的斜面辐射值。其次,通过皮尔逊相关分析法筛选出对光伏功率影响较大的主要因素,将斜面辐射计算值及主要影响因素作为输入,采用卷积神经网络(CNN)和长短期记忆网络(LSTM)建立光伏功率SRM-CNN-LSTM预测模型。分别利用春夏秋冬四季典型日的数据开展对比实验,结果表明:与几种其他方法相比,该文方法具有更好的预测效果。 展开更多
关键词 光伏发电 预测 太阳辐射 神经网络 卷积神经网络 长短期记忆网络
原文传递
基于CEEMD-SE的CNN&LSTM-GRU短期风电功率预测
4
作者 杨国华 祁鑫 +4 位作者 贾睿 刘一峰 蒙飞 马鑫 邢潇文 《中国电力》 CSCD 2024年第2期55-61,共7页
为进一步提升短期风电功率的预测精度,提出了一种基于互补集合经验模态分解-样本熵(complementary ensemble empirical mode decomposition-sample entropy,CEEMD-SE)的卷积神经网络(convolutional neural network,CNN)和长短期记忆-门... 为进一步提升短期风电功率的预测精度,提出了一种基于互补集合经验模态分解-样本熵(complementary ensemble empirical mode decomposition-sample entropy,CEEMD-SE)的卷积神经网络(convolutional neural network,CNN)和长短期记忆-门控循环单元(longshorttermmemory-gatedrecurrentunit,LSTM-GRU)的短期风电功率预测模型。首先,利用互补集合经验模态分解将原始风电功率序列分解为若干本征模态函数(intrinsic mode function,IMF)分量和一个残差(residual,RES)分量,利用样本熵算法将相近的分量进行重构;其次,搭建卷积神经网络和长短期记忆网络的并行网络结构,提取数据的局部特征和时序特征,并将特征融合后输入门控循环单元网络中进行学习预测;最后,通过算例进行验证,结果表明采用该模型后预测精度得到了有效提升,其均方根误差降低了15.06%、平均绝对误差降低了15.22%、决定系数提高了1.91%。 展开更多
关键词 短期风电功率预测 互补集合经验模态分解 样本熵 长短期记忆网络 门控循环单元
下载PDF
基于STM32的SWISS整流器研究与设计
5
作者 刘新贺 马山刚 +2 位作者 金福宝 石进强 祁延明 《现代电子技术》 2024年第8期107-112,共6页
SWISS整流器具有输出功率高、输出电压可调、易高频化等特点,十分适合用于电动汽车大功率充电、数据中心、通信基站等大功率变换场合。文中提出一种采用STM32F334单片机控制的SWISS整流器设计方案,利用电压电流PI双闭环控制策略实现对... SWISS整流器具有输出功率高、输出电压可调、易高频化等特点,十分适合用于电动汽车大功率充电、数据中心、通信基站等大功率变换场合。文中提出一种采用STM32F334单片机控制的SWISS整流器设计方案,利用电压电流PI双闭环控制策略实现对输出电压的精确控制,并进行控制算法的设计,实现系统功率因数校正的功能。设计SWISS整流器的硬件电路方案,并给出元件参数计算及选型方法。制作400 V/1 000 W样机对所提出的方案进行实验验证。结果表明:系统功率因数在额定功率下可达0.998,转换效率可达97.37%,并具有较快的响应速度;在半载满载切换时,动态调节时间小于70 ms,且电压超调量最大为10%。验证了所提方案的可行性。 展开更多
关键词 SWISS整流器 STM32 PI控制 双闭环控制 功率因数校正 MOS
下载PDF
基于STM32微控制器的表面缺陷视觉检测方法
6
作者 汪国平 胡博 +1 位作者 陈仲生 侯幸林 《电工电气》 2024年第2期47-52,共6页
表面缺陷检测是产品质检的重要工序之一,现有深度学习视觉检测大多基于云端服务器,存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心,提出了一种基于轻量化网络的表面缺陷视觉检测方法,采用轻量级SSD作为缺陷检测模型,利用... 表面缺陷检测是产品质检的重要工序之一,现有深度学习视觉检测大多基于云端服务器,存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心,提出了一种基于轻量化网络的表面缺陷视觉检测方法,采用轻量级SSD作为缺陷检测模型,利用MobileNetV1替换原有的骨干网络VGG-16以减小网络规模;采用INT8量化的训练后量化方法对模型进行计算加速,生成的TFlite模型仅有578 KB,运行占用RAM仅为288.29 KB,并在STM32微控制器中实现了模型的移植和部署。实验测试结果表明,该方法能实现锂电池表面划痕和凹坑两种缺陷的边缘侧准确检测。 展开更多
关键词 表面缺陷检测 轻量化网络 视觉检测 STM32微控制器
下载PDF
基于双层优化VMD-LSTM的农村超短期电力负荷预测
7
作者 王俊 王继烨 +2 位作者 程坤 方均 鞠丹阳 《沈阳农业大学学报》 CAS CSCD 2024年第1期92-102,共11页
稳定的供电是农村发展建设的有力保障,而电力负荷水平是建设效果的重要衡量标准,因此建立精确的负荷预测模型可以更准确直观显现电力负荷情况,为供电公司制定决策提供有力支撑。由于LSTM负荷预测模型在数据预测方面存在收敛性差、预测... 稳定的供电是农村发展建设的有力保障,而电力负荷水平是建设效果的重要衡量标准,因此建立精确的负荷预测模型可以更准确直观显现电力负荷情况,为供电公司制定决策提供有力支撑。由于LSTM负荷预测模型在数据预测方面存在收敛性差、预测精度不高等问题,为提高模型的预测精度,提出一种基于双层优化VMD-LSTM的超短期电力负荷预测方法。首先提出麻雀算法优化变分模态分解(sparrow variational mode decomposition,SVMD),通过SVMD将原始数据转化为模态分量(intrinsic mode functions,IMF);其次采用改进樽海鞘群算法(association salp swarm algorithm,ASSSA)优化LSTM模型。通过引入4种策略增强标准樽海鞘算法优化能力;最后将各模态分量分别代入到新模型并进行叠加预测。选取辽宁省某市某乡村10kV变压器真实历史负荷数据,以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、拟合度(R^(2))作为评价指标,并与其他基础预测模型进行对比,结果表明,改进后的算法在计算精度、稳定性方面均优于其他基础预测模型。 展开更多
关键词 长短期预测 双层优化 樽海鞘群算法 变分模态分解 叠加预测
下载PDF
基于FFT-LSTM的抽水蓄能发电机定子匝间短路故障诊断方法
8
作者 李树峰 林文峰 +5 位作者 李甲骏 张斌 罗全兵 李国宾 苏毅 屠黎明 《水电与抽水蓄能》 2024年第1期52-57,共6页
定子短路故障是抽水蓄能发电机常见的故障之一,其会对发电机的性能和安全性产生严重影响,为确保抽水蓄能发电机安全稳定运行,提出基于FFT-LSTM的抽水蓄能发电机定子短路故障诊断方法。建立抽水蓄能发电机定子绕组匝间短路故障模型,分析... 定子短路故障是抽水蓄能发电机常见的故障之一,其会对发电机的性能和安全性产生严重影响,为确保抽水蓄能发电机安全稳定运行,提出基于FFT-LSTM的抽水蓄能发电机定子短路故障诊断方法。建立抽水蓄能发电机定子绕组匝间短路故障模型,分析定子绕组匝间短路故障时,发电机定子电、磁相关状态。以抽水蓄能发电机定子绕组匝间短路故障时的三相电流信号为依据,基于磁势相等原理将三相电流变换成两相电流后,利用FFT转换定子两相电流的时域信号为频域信号,获取故障电流频谱图输入LSTM网络中进行处理,输出抽水蓄能发电机定子绕组匝间短路故障诊断结果。实验结果表明,该方法可以更好地区分抽水蓄能发电机正常与故障状态,实现抽水蓄能发电机定子绕组匝间短路故障诊断,且故障诊断的交叉熵损失低。 展开更多
关键词 抽水蓄能 发电机 定子短路 FFT LSTM 故障诊断
下载PDF
基于DKF-Bi-LSTM的阀控式铅酸电池SOC在线估计方法
9
作者 李练兵 刘艳杰 +3 位作者 王海良 李思佳 李秉宇 杜旭浩 《中国测试》 CAS 2024年第2期28-37,共10页
精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通... 精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通过卡尔曼滤波算法对模型参数进行动态跟踪,进而基于扩展卡尔曼滤波算法在线估算电池SOC值。将在线估算结果、电流、电压、温度值作为Bi-LSTM神经网络的输入,电池SOC预测值作为网络输出,实现对电池SOC的在线估计。经测试发现,与DKF和Bi-LSTM算法相比,DKF-Bi-LSTM算法的SOC预测均方根误差更小,其SOC在线估计方法具有更高的准确性。 展开更多
关键词 阀控式铅酸电池 荷电状态 等效电路模型 卡尔曼滤波 扩展卡尔曼滤波 双向长短时记忆神经网络
下载PDF
基于EMD-BiLSTM-ANFIS的负荷区间预测
10
作者 李宏玉 彭康 +1 位作者 宋来鑫 李桐壮 《吉林大学学报（信息科学版）》 CAS 2024年第1期176-185,共10页
考虑到新型电力负荷随机性增强,传统的准确预测方法已无法满足要求,提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概... 考虑到新型电力负荷随机性增强,传统的准确预测方法已无法满足要求,提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法,使用负荷预测区间取代点预测的准确数值,能为电力系统分析与决策提供更多数据,增强预测的可靠性。首先将原始负荷序列通过EMD(Empirical Mode Decomposition)分解成若干分量,并通过计算样本熵分为3类分量。然后将重构后的3类分量与由相关性筛选的外界因素特征采用BiLSTM、ANFIS模型进行训练和分位数回归(QR:Quantile Regression),并将分量的预测区间结果累加得到最终负荷的预测区间。最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。通过与CNN-BiLSTM(Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点预测及区间预测结果,证明了该方法的有效性。 展开更多
关键词 经验模态分解 双向长短期神经网络 模糊推理系统 分位数回归 概率密度预测
下载PDF
基于VMD-BiLSTM-WOA的短期风电功率预测
11
作者 史加荣 王双馨 《陕西科技大学学报》 2024年第1期177-185,共9页
风力发电对于解决全球能源短缺问题有重要意义,准确预测风电功率有助于风电并网的合理调度和可靠的电网运行.文章提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)、双向长短期记忆网络(Bidirectional Long Short-term... 风力发电对于解决全球能源短缺问题有重要意义,准确预测风电功率有助于风电并网的合理调度和可靠的电网运行.文章提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)、双向长短期记忆网络(Bidirectional Long Short-term Memory Network, BiLSTM)以及鲸鱼优化算法(Whale Optimization Algorithm, WOA)的混合深度学习模型,以用于短期风电功率预测.首先,VMD将原始风电功率分解为多个子模态,有效减少了序列的波动性;然后对每个子模态分别建立BiLSTM模型,使用WOA对BiLSTM中的参数进行优化,以提高混合模型的效率和预测性能;最后将各个子模型的结果叠加得到最终预测结果.在实验中通过建立不同的比较模型来说明改进策略的有效性和优越性,结果表明所提的混合模型在风电功率预测中具有较高的预测精度. 展开更多
关键词 风电功率 变分模态分解 双向长短期记忆网络 鲸鱼优化 长短期记忆网络
下载PDF
基于CBAM-LSTM的风电集群功率短期预测方法
12
作者 张哲 王勃 《东北电力大学学报》 2024年第1期1-8,共8页
风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolut... 风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolutional Block Attention Module, CBAM)和长短时记忆网络(Long Short-Term Memory, LSTM)相结合的模型。首先,使用CBAM对风电功率时间序列数据特征和数值天气预报中蕴含的空间特性进行提取,该模块能够自适应地学习时间和空间上的重要特征;然后,将提取的特征输入到LSTM层结构中进行功率预测。为了验证所提方法的有效性,使用中国吉林省某风电场的数据集进行验证,实验结果表明,与其他功率预测方法相比,文中所提方法平均绝对误差(Mean Absolute Error, MAE)平均降低2.67%;决定系数(R-Square, R2)平均提高23%;均方根误差(Root Mean Square Error, RMSE)平均降低2.69%。 展开更多
关键词 风电功率 卷积块注意力机制 长短时记忆神经网络 短期风电集群功率预测
下载PDF
基于数据预处理和计算机VMD-LSTM-GPR的储能系统离子电池剩余寿命预测
13
作者 田凌浒 袁炳夏 《储能科学与技术》 CSCD 2024年第1期336-338,共3页
离子电池剩余寿命影响储能系统运行能力,准确预测电池寿命,有助于判断系统的实时运行状态,为获得较为可靠的预测结果,提出基于数据预处理和计算机VMD-LSTM-GPR的储能系统离子电池剩余寿命预测方法。针对储能系统离子电池剩余寿命预测的... 离子电池剩余寿命影响储能系统运行能力,准确预测电池寿命,有助于判断系统的实时运行状态,为获得较为可靠的预测结果,提出基于数据预处理和计算机VMD-LSTM-GPR的储能系统离子电池剩余寿命预测方法。针对储能系统离子电池剩余寿命预测的相关理论问题进行研究,并联合储能数据预处理标准与计算机VMDLSTM-GPR模型,计算锂离子电池的容量退化能力,从而评估剩余电池寿命,实现基于数据预处理和计算机VMD-LSTM-GPR的储能系统离子电池剩余寿命预测。 展开更多
关键词 数据预处理 计算机VMD-LSTM-GPR 储能系统 离子电池 剩余寿命
下载PDF
基于CEEMD-BiLSTM-RFR的短期光伏功率预测
14
作者 冯沛儒 江桂芬 +2 位作者 徐加银 叶剑桥 李生虎 《科学技术与工程》 2024年第5期1955-1962,共8页
由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomp... 由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition,CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression,RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network,BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。 展开更多
关键词 光伏功率预测 互补集合经验模态分解 相关性分析 BiLSTM 随机森林回归
下载PDF
S波段矩形波导TE10-圆波导TM_(01)模式转换器的研究 被引量：1
15
作者 雷乐 周振宇 +2 位作者 翁明 林舒 曹猛 《真空科学与技术学报》 EI CAS CSCD 北大核心 2023年第6期537-546,共10页
为满足S波段高功率微波在线测量时对圆波导耦合器进行标定的需求,本文研制了一种高转换效率的S波段矩形波导TE10模式转圆波导TM_(01)模式的模式转换器。采用CST软件对模式转换器的结构进行了仿真和优化设计,并从频域和时域两方面对所研... 为满足S波段高功率微波在线测量时对圆波导耦合器进行标定的需求,本文研制了一种高转换效率的S波段矩形波导TE10模式转圆波导TM_(01)模式的模式转换器。采用CST软件对模式转换器的结构进行了仿真和优化设计,并从频域和时域两方面对所研制的模式转换器的性能进行了测量。频域方面的仿真和测量结果表明,模式转换器的工作中心频点位于2.1 GHz处,在工作带宽60 MHz范围内,S11<-20 dB,S21>-0.1 dB。时域方面的仿真和测量表明,模式转换器具有较好的脉冲响应,可以应用于脉冲宽度为几十纳秒以上的工作场合。频域和时域两方面的测量都表明,在2.1GHz处,模式转换器的插损小于0.1 dB,表明该模式转换器的转换效率较高。以本文研制的模式转换器为核心,配以商品化的波导同轴转换器后,研制的圆波导TM_(01)模式激励器已经成功用于圆波导耦合器的性能标定之中。 展开更多
关键词 高功率微波 在线测量 TM_(01)模式转换器 TM_(01)模式激励器
原文传递
基于STM32F373的光伏组件IV特性测试系统
16
作者 郑巍 艾学忠 +2 位作者 蒙永龙 王明达 汪冬冬 《机电工程技术》 2024年第2期111-115,共5页
为准确方便测量光伏组件的IV特性曲线,设计一款基于STM32F373的光伏组件IV特性测试系统,可测量开路电压、短路电流、IV曲线、PV曲线等。该系统由电流控制单元、信号采集单元、软件处理单元、通信单元、上位机显示单元等组成,采用电子负... 为准确方便测量光伏组件的IV特性曲线,设计一款基于STM32F373的光伏组件IV特性测试系统,可测量开路电压、短路电流、IV曲线、PV曲线等。该系统由电流控制单元、信号采集单元、软件处理单元、通信单元、上位机显示单元等组成,采用电子负载电路,以STM32F373单片机DAC输出来调节恒流的电流,同时采集光伏电池的输出电压,对采集到的数据进行卡尔曼滤波和曲线拟合,将电压、电流、功率生成IV、PV曲线显示在TFT彩屏上。该系统还可将数据远程传输到PC端进行数据分析与曲线观察。结果表明,该系统采集曲线准确且速度快,性能良好,采集一次IV曲线的时间仅需1 s,测量的电压电流误差小于1%。该系统体积小便于携带且内部带有锂电池,可充电,可在室外使用。 展开更多
关键词 STM32F373 光伏组件 IV特性
下载PDF
基于stm32的压力计控制系统实现压力自动测量
17
作者 何红梅 李伟 +2 位作者 刘子璇 崔贝宁 檀朝彬 《中国科技期刊数据库 工业A》 2024年第3期0052-0055,共4页
压力计是一种用来测量液体、气体、蒸汽等压力的设备,广泛应用于石油化工、交通运输、航空航天、机械制造等领域。采用STM32F103芯片作为本设计主控芯片,通过程序设定压力计的控制方式,可以对压力计的温度进行控制。该系统采用了加速度... 压力计是一种用来测量液体、气体、蒸汽等压力的设备,广泛应用于石油化工、交通运输、航空航天、机械制造等领域。采用STM32F103芯片作为本设计主控芯片,通过程序设定压力计的控制方式,可以对压力计的温度进行控制。该系统采用了加速度与霍耳两种传感器,经过数字调理及 AD变换,完成了对各种信号的检测,再经串行接口发送到上位机。PC机对采集到的数据进行了处理,并将其输出到STM32的对应引脚。这样就可以实现对压力表工作的控制。采用单片微机控制伺服驱动器,压力变送器,电磁离合器等,以达到压力与砝码压力相等的方式来检测压力。通过对压力表的压力检测和功率放大回路的设计,实现了对增压过程的自动化响应,从而提高了工作效率,减少了校准错误;为实验和科学研究提供了便利。 展开更多
关键词 自动压力计 STM32 数据采集 A/D 转换模块
下载PDF
基于数据增强技术的LSTM模型变压器故障诊断研究
18
作者 蔡晨 《红水河》 2024年第1期102-105,111,共5页
为了解决变压器故障诊断中存在着依靠人工经验等方面的问题,提高变压器故障诊断的能力,笔者提出了基于数据增强的长短期记忆网络(long short-term memory,LSTM)模型的变压器故障诊断方法。首先通过数据增强技术增加数据样本量,然后利用L... 为了解决变压器故障诊断中存在着依靠人工经验等方面的问题,提高变压器故障诊断的能力,笔者提出了基于数据增强的长短期记忆网络(long short-term memory,LSTM)模型的变压器故障诊断方法。首先通过数据增强技术增加数据样本量,然后利用LSTM构建变压器故障诊断模型,最后进行变压器故障诊断实验。结果表明:该方法预测的准确率、查准率、查全率及F1值均达到0.998;与支持向量机模型比较,各项评价指标至少提高8%。该方法能够提高变压器故障诊断能力,有助于变压器故障的诊断与维修。 展开更多
关键词 变压器 故障诊断 数据增强 LSTM模型
下载PDF
基于LSTM⁃MIV神经网络的SF_(6)断路器触头电寿命预测
19
作者 马飞越 李澳 +3 位作者 吴诚威 于家英 陈磊 倪辉 《高压电器》 CAS CSCD 2024年第2期69-77,共9页
文中基于LW30⁃40.5型SF_(6)断路器全寿命烧蚀试验数据,采用归一化异常指数F反映断路器触头剩余电寿命,0表示电寿命完备,1表示电寿命耗尽。根据断路器分闸动态电阻—行程曲线,提出了将动态电阻—行程曲线上行程大于8 mm且电阻值大于500... 文中基于LW30⁃40.5型SF_(6)断路器全寿命烧蚀试验数据,采用归一化异常指数F反映断路器触头剩余电寿命,0表示电寿命完备,1表示电寿命耗尽。根据断路器分闸动态电阻—行程曲线,提出了将动态电阻—行程曲线上行程大于8 mm且电阻值大于500μΩ的第一个峰值点作为断路器主触头接触阶段与弧触头接触阶段分界点。据此得到反映断路器触头异常指数F的5个特征参数,采用皮尔逊相关系数法对特征参数进行独立性分析。通过LSTM神经网络建立了基于特征参数与异常指数F之间的回归预测模型,F回归预测均方差和绝对平均误差分别为0.014921和0.013053,采用MIV方法确定了各特征参数对异常指数F影响权重。 展开更多
关键词 SF_(6)断路器 电寿命 动态电阻 LSTM⁃MIV神经网络 回归预测
下载PDF
基于CNN-LSTM混合神经网络的光伏发电量预测方法研究
20
作者 王登海 安玥馨 +1 位作者 廖晨博 马家园 《西安石油大学学报（自然科学版）》 2024年第1期129-134,共6页
光伏发电量受天气状况,光伏逆变器的质量,光伏组件的清洁度等诸因素影响,其中天气状况的时序性变化较大程度影响发电量。针对不同地区天气时序性变化导致的光伏发电量预测不准确等问题,提出了一种由卷积神经网络(CNN)和长短期记忆(LSTM... 光伏发电量受天气状况,光伏逆变器的质量,光伏组件的清洁度等诸因素影响,其中天气状况的时序性变化较大程度影响发电量。针对不同地区天气时序性变化导致的光伏发电量预测不准确等问题,提出了一种由卷积神经网络(CNN)和长短期记忆(LSTM)混合模型的光伏发电量预测方法,其中通过CNN建立地域之间的空间相关性,LSTM捕捉发电数据之间的时间依赖关系。对神木县红民发电厂和庆城县绿能动力发电厂的光伏发电数据进行测试,实验结果表明,本文所提出的CNN-LSTM混合神经网络方法在光伏发电量预测方面具有较高的准确性和稳定性,比LSTM神经网络模型精度提升4.3%左右。 展开更多
关键词 光伏发电 模型预测 机器学习 CNN LSTM
下载PDF
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 2 … 250 下一页 到第 页
使用帮助 返回顶部