您的位置： 专家智库 > >

国家自然科学基金(51176014)

作品数：31 被引量：66H指数：4
相关作者：李岳林徐东辉解福泉刘乔华左萃更多>>
相关机构：长沙理工大学南昌师范学院宜春学院更多>>
发文基金：国家自然科学基金江西省教育厅科学技术研究项目国家教育部博士点基金更多>>
相关领域：动力工程及工程热物理交通运输工程机械工程电气工程更多>>

文献类型

  • 31篇期刊文章
  • 1篇学位论文

领域

  • 13篇动力工程及工...
  • 9篇机械工程
  • 9篇交通运输工程
  • 8篇电气工程
  • 1篇自动化与计算...
  • 1篇一般工业技术
  • 1篇理学

主题

  • 15篇汽油
  • 15篇汽油机
  • 8篇电池
  • 8篇瞬态工况
  • 8篇锂离子
  • 8篇混沌
  • 7篇神经网
  • 7篇神经网络
  • 6篇离子
  • 5篇锂离子电池
  • 5篇相空间重构
  • 5篇离子电池
  • 5篇进气
  • 5篇仿真
  • 4篇进气流量
  • 3篇支持向量
  • 3篇制动
  • 3篇时间序列
  • 3篇向量
  • 3篇控制策略

机构

  • 26篇长沙理工大学
  • 8篇南昌师范学院
  • 6篇宜春学院
  • 5篇河南交通职业...
  • 1篇广东机电职业...
  • 1篇吉林大学
  • 1篇吉林医药学院
  • 1篇台州学院
  • 1篇江铃汽车股份...

作者

  • 20篇李岳林
  • 12篇徐东辉
  • 5篇解福泉
  • 4篇郭艳花
  • 4篇左萃
  • 4篇刘乔华
  • 3篇谢安平
  • 2篇宋丹丹
  • 2篇胡忠录
  • 2篇吴钢
  • 2篇何兴
  • 2篇刘宝杰
  • 2篇周喆
  • 2篇徐向阳
  • 2篇杨巍
  • 2篇丁景峰
  • 1篇石本改
  • 1篇徐新爱
  • 1篇刘志强
  • 1篇董世涛

传媒

  • 5篇车用发动机
  • 4篇汽车工程学报
  • 2篇汽车技术
  • 2篇内燃机工程
  • 2篇机械科学与技...
  • 2篇电池
  • 1篇汽车工程
  • 1篇公路与汽运
  • 1篇南昌大学学报...
  • 1篇电源技术
  • 1篇北京师范大学...
  • 1篇计算机工程与...
  • 1篇实验室研究与...
  • 1篇车辆与动力技...
  • 1篇小型内燃机与...
  • 1篇台州学院学报
  • 1篇长沙理工大学...
  • 1篇Journa...
  • 1篇交通科学与工...
  • 1篇大理大学学报

年份

  • 1篇2023
  • 1篇2022
  • 6篇2021
  • 3篇2020
  • 2篇2019
  • 2篇2018
  • 2篇2017
  • 2篇2016
  • 5篇2015
  • 3篇2014
  • 2篇2012
  • 3篇2011
共 31 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于NARX神经网络的车用锂离子电池SOH时间序列预测被引量：1
2022年
锂离子电池模型参数具有慢时变特性,因而准确预测锂离子电池健康状态(state of health,SOH)存在较大的难题。利用非线性自回归(Nonlinear AutoRegressive with eXogenous input,NARX)神经网络建立了SOH时间序列预测模型,通过重构技术将预测模型的一维输入时间序列重构成多维状态空间,并且采用重构后的时间序列数据对NARX神经网络对进行训练,然后利用训练后的NARX神经网络进行预测得到最终的SOH时间序列预测值;试验结果显示,预测模型比RBF神经网络的均方误差提高了近6个百分点,收敛速度提高了近30 s,表明了基于NARX的SOH时间序列预测模型的预测精度及响应速度都较好。
徐东辉徐东辉石本改徐丽琴王丽娜
关键词：锂离子电池神经网络
车用锂离子动力电池剩余寿命非线性组合预测研究被引量：4
2021年
针对单一预测模型难以准确预测锂电池的剩余寿命(remaining useful life,RUL)难题,提出了非线性组合预测方法;利用相空间重构,对实验采集到的数据进行重构,将重构后的数据对改进Elman神经网络和非线性自回归(nonlinear autoregressive with exogenous input,NARX)神经网络这2个单项预测模型进行训练和预测;采用RBF神经网络对2个单项模型的预测值进行非线性组合,获得最终的RUL预测值.结果表明:非线性组合预测方法的均方根误差比PCA-NARX方法提高了近1%,比NARX方法提高了近2%,比改进Elman方法提高了近3%;非线性组合预测方法具有较高的精度及泛化能力,采用相空间重构技术有利于提高非线性组合方法的预测精度.
徐东辉
关键词：时间序列RBF
混合动力汽车再生制动仿真分析被引量：4
2011年
提出了一种根据欧洲经济委员会(ECE)法规制定的再生制动力分配控制策略,在保证前后轴制动安全的前提下,合理分配前后轴摩擦制动力和电机再生制动力,然后依据本文设计的控制模块代替ADVISOR原有模块进行仿真。仿真结果证明,在这种控制策略下制动时,前轮和后轮能够充分利用地面附着系数,在确保制动效率的同时能够回收更多的再生制动能量,改善汽车的燃油经济性并降低排放。
刘乔华李岳林左萃郭艳花
关键词：再生制动ECE法规控制策略制动效率
车辆活性碳罐三维数值模拟研究被引量：8
2012年
根据国标要求进行了稳态试验得到碳罐的沿程阻力,结合试验数据进行理论计算得出碳罐大气口孔径理论上的极限尺寸,并建立了各极限尺寸下碳罐的三维模型,进行了三维计算流体力学(CFD)仿真。最后将试验数据、理论计算以及仿真结果三者进行综合分析,得出了可满足相应行业标准的大气口孔径的可修改范围,验证了三维CFD仿真在碳罐研发中的可行性。
李岳林何兴吴钢董世涛何江涛
关键词：车辆三维数值模拟CFD
基于混沌时序最小二乘支持向量机的汽油机瞬态空燃比预测模型研究被引量：2
2015年
针对由氧传感器构成的瞬态空燃比反馈控制系统无法满足实时性要求的问题,提出了基于混沌时序最小二乘支持向量机(LS-SVM)的瞬态空燃比预测模型。对试验采集到的一维空燃比数据利用相空间重构技术构造多维空间数据,恢复空燃比时间序列的多维非线性特性,然后采用LS-SVM对重构后的数据进行训练及预测,得出预测结果。仿真结果表明:与Elman神经网络预测模型及前馈BP神经网络预测模型相比较,混沌时序LS-SVM预测模型具有更强的非线性预测能力,能够有效地提高瞬态空燃比的预测精度。
徐东辉李岳林雷鸣何剑锋吴钢解福泉
关键词：空燃比相空间重构瞬态工况支持向量机
基于混沌RBF神经网络的汽油机进气流量预测研究被引量：6
2014年
针对汽油机进气流量的多维非线性特性,提出了一种混沌径向基(RBF)神经网络的汽油机进气流量预测模型。证明了汽油机进气流量时间序列具有混沌特性,对采集的原始数据进行相空间重构,利用RBF神经网络对重构后的数据进行训练和预测,并利用混沌算法确定输出层连接权值和隐含层高斯函数径向基中心,使其达到全局最优,加快了RBF神经网络的收敛速度。仿真结果表明,与空气进气流量平均值模型、RBF神经网络预测模型比较,该模型具有更高的预测精度,为精确及时测试汽油机进气流量提供了一种全新的软件测量方法。
徐东辉李岳林杨巍丁景峰彭玲
关键词：进气流量汽油机
车用锂离子动力电池SOC时间序列的BP神经网络预测模型被引量：4
2020年
由于车用锂离子动力电池系统具有高度复杂的非线性特性,很难建立准确的电路模型对荷电状态(State of Charge,SOC)进行实时在线获取。为此本文在分析并判别锂离子动力电池系统的混沌特性基础上,建立SOC时间序列的BP神经网络预测模型,并与二阶RC网络模型构成闭环控制系统。仿真结果表明,由二阶RC网络模型与BP神经网络模型构成的闭环控制系统具有较高的预测精度,较好的实时性及实际应用前景。
徐东辉徐东辉
关键词：荷电状态混沌时间序列相空间重构
锂电池一阶RC等效电路模型的动力学特性分析被引量：4
2021年
为分析锂离子动力电池一阶RC等效电路模型的动力学特性,将荷控忆阻器、电阻及电感作为一阶RC等效电路的负载构成一个四阶混沌系统,运用四阶变步长Runge-Kutta法详细分析了该系统的一些基本动力学行为。结果表明,该混沌系统随一阶RC等效电路欧姆内阻参数的变化具有复杂的动力学行为,随欧姆内阻增大,系统通常经混沌进入倍周期分岔序列,且欧姆内阻越小,系统混沌现象越明显。通过对系统的动力学特性分析,可以在线获取欧姆内阻值,为锂离子动力电池寿命的在线监测提供一种全新的方法。
徐东辉
关键词：锂离子电池等效电路混沌动力学
汽油机瞬态空燃比控制器参数优化控制策略研究被引量：3
2016年
针对混沌优化算法在汽油机瞬态空燃比控制系统中的应用,提出基于该算法的空燃比控制器参数优化模型,并对控制器中的各种反馈参数进行每一工况的全局寻优。利用MATLAB软件建立瞬态空燃比控制器参数优化的仿真模型,并且进行了仿真对比验证。仿真结果表明,通过混沌优化算法能够提高汽油机瞬态空燃比的控制精度,并且可以使反馈参数同时达到每一工况的最优值。最后通过发动机台架试验验证了仿真结果的准确性。
李岳林龚宏义徐东辉刘宝杰谢安平
关键词：汽油机瞬态工况空燃比混沌优化算法
基于KECA-NARX的RUL时间序列预测模型
2021年
针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法。采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维非线性状态空间;最后通过混沌优化算法,使KECA的核参数达到全局最优,利用KECA对重构后的相空间时间序列进行特征提取,并将特征向量作为NARX神经网络的输入,得到预测的RUL。KECA-NARX模型的预测精度比Elman模型提高了近6%,表明提出的KECA-NARX模型具有较优的非线性动态预测能力、较高的精确度及泛化能力。
徐东辉
关键词：锂离子电池时间序列RENYI熵
全选 清除 导出
共4页<1234>
聚类工具0