您的位置: 专家智库 > >

李明兴

作品数:2 被引量:16H指数:2
供职机构:四川大学制造科学与工程学院更多>>
发文基金:四川省科技支撑计划更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇电子电信
  • 1篇自动化与计算...

主题

  • 2篇电池
  • 1篇单片
  • 1篇单片机
  • 1篇电池组
  • 1篇电容
  • 1篇神经网
  • 1篇神经网络
  • 1篇自动监测
  • 1篇网络
  • 1篇荷电状态
  • 1篇钒电池
  • 1篇SOC预测
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络
  • 1篇超级电容

机构

  • 2篇四川大学
  • 2篇中国测试技术...

作者

  • 2篇牛红涛
  • 2篇李明兴
  • 1篇隋良红
  • 1篇杨春生
  • 1篇张俊杰
  • 1篇王林

传媒

  • 1篇现代电子技术
  • 1篇电子设计工程

年份

  • 1篇2016
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
超级电容电池组容量测试监控系统研究被引量:2
2015年
超级电容电池为一种新型大容量储能装置,往往配组成电池组使用,电池组容量是其关键的性能指标,目前国内对于超级电容电池组容量检测自动化程度不高。文章总结单体电容电池容量的测试方法和标准,分析了电池配组后影响电池组容量的因素,设计了一种基于单片机的超级电容电池组容量测试的过程监测控制系统,并通过实验验证系统实用性。
李明兴牛红涛王林张俊杰
关键词:单片机自动监测
基于贝叶斯正则化算法BP神经网络钒电池SOC预测被引量:14
2016年
电池荷电状态(SOC)用于表征电池的剩余电量,是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法,并对比其优缺点。基于电池SOC的非线性特征,提出采用BP神经网络预测钒电池的SOC,并采用L-M优化算法以及贝叶斯正则化算法对网络进行优化。使用贝叶斯正则化改进的神经网络在对项目中全钒液流电池测试过程实时预测SOC。实验结果表明,采用贝叶斯正则化算法改进的神经网络能够提高SOC的实时预测精度,具有很好的实用前景。
杨春生牛红涛隋良红李明兴
关键词:钒电池荷电状态BP神经网络
共1页<1>
聚类工具0