【摘 要】
：
为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统.首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证.实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条
【机 构】
：
华中科技大学机械科学与工程学院,湖北武汉430074;华中科技大学人工智能与自动化学院,湖北武汉430074;亚马逊公司,美国西雅图98121
论文部分内容阅读
为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统.首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证.实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条件下锂电池健康管理系统的嵌入式应用需求.
其他文献
盾构机在运行过程中不可避免地会发生故障,这些故障中以机械类故障较为常见,对盾构机进行状态监测与故障诊断是保证其掘进作业安全、高效的重要手段.详细论述了盾构机刀具磨损、轴承、液压等常见机械类故障及相应的诊断方法,分析了各类故障诊断存在的问题并提出了相应的解决方案.最后对盾构机机械类故障诊断技术进行了建议与展望,并指出在故障诊断系统生态技术框架下,实现盾构机机械类故障诊断的信息化和智能化将会是盾构机未来的发展目标.
随着新能源汽车技术的发展,各类高职院校陆续开设了新能源汽车专业并大力建设和完善新能源汽车实训室.针对新能源汽车实训教学过程的特殊性,通过实训室安全风险分析、高压安全作业检查规范、场地和存放使用要求等方面探讨了新能源汽车实训室安全管理方法,旨在控制好实训教学过程风险,确保实训教学顺利开展.
机床是台湾机械产品领域中的重要品目,经过60多年的发展已形成了完整的产业链,其年产值规模已超千亿元新台币,在国际市场上占据了举足轻重的位置.近年来,受国际形势和新冠疫情的影响,全球市场需求萎缩、制造业供应链布局发生变化,台湾机床产业迎来了全新的挑战.文章对新形势下台湾机床产业展开研究,梳理台湾机床产业发展现状,分析台湾机床产业发展趋势,并为推动福建省机床产业发展提出相关建议.
为了推动汽车制造行业高技能人才的培养与发展,以增强汽车制造企业的生命力、创造力和核心竞争力.现以福建奔驰汽车有限公司“黄水儿劳模工作室”为例,介绍劳模工作室在汽车生产企业人才培养中的作用,将生产经营与企业文化的创新理念相结合,培养管理专业、技能精深的复合型人才,以期为中外合资企业职工人才培养实践提供具有操作性的借鉴.
通过对“汽车机械基础”的课程思政教育教学改革,强化正确政治方向,突出价值引领,深入挖掘专业基础课程的德育内涵与元素,明确课程教学目标、优化课程育人教学设计,创新教育教学方式方法,健全课堂教学管理和课程设置管理制度,形成“课程思政”教育教学案例,为落实立德树人、推进“课程思政”的常态化建设提供了新思路、新视阈、新理论.
针对滚动轴承寿命准确预测缺乏表征其健康状态的可靠退化指标的问题,提出径向基(RBF)神经网络及带有漂移参数的维纳(Wiener)模型进行剩余寿命预测.首先,使用小波包奇异谱熵提取轴承振动信号初始特征;其次,利用早期无故障样本特征和失效样本特征训练RBF神经网络模型,将已提取特征全寿命数据输入到RBF神经网络模型,计算隶属度,作为轴承退化指标;最后,根据滚动轴承的退化轨迹,选择不同Wiener模型进行退化建模,根据AIC信息准则和对数似然值选择合适的模型,利用极大化轮廓似然函数在线更新模型参数,预测轴承寿命
针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法.由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hinge loss)替换原有的Softmax损失函数并在CNN模型中添加三层Inception结构得到改进的CNN模型.其次,研制串联型故障电弧实验平台,在不同的实验条件下采集电流信号,利用短时傅里叶变换,得到电流的时频谱图.采用同一数据集对两个模型进行训练和测试.结果 表
利用工业锅炉对二甲酚的尾气进行处理时,存在爆炸和有毒尾气泄漏的风险,因此对二甲酚尾气处理过程进行故障监测十分必要.然而该过程具有非平稳特征,常规的故障监测方法监测准确率不高.为了解决这个问题,提出了基于趋势相似性特征的故障监测方法,通过滑动时间窗口切割时间序列,计算各时间窗口内数据之间的趋势相似性,并以此作为新的监控特征对该非平稳过程进行监测,从而提高监测准确率.最后,以某二甲酚生产企业采集的现场数据进行验证.结果 表明,基于趋势相似性特征的故障监测较常规方法有较高的准确率,且监测准确率随过程的非平稳性增
随着我国智能电网技术的发展,低频振荡预警已成为电力系统稳定性研究的重要问题.提出一种基于关键特征广域降维数据Vinnicombe距离的电力系统低频振荡幅值预警指标识别方法,该方法首先对PMU采集的原始大数据进行筛选与降维预处理,生成低频振荡幅值预警指标所需的初始特征量矩阵,然后通过对电力系统监控终端节点和各节点之间的区域进行编号,生成网络关联多特征向量状态检测矩阵,再结合Vinnicombe距离计算传递函数距离,判断是否发生低频振荡,并有效提高低频振荡幅值预警识别精度.最后,通过10机39节点新英格兰系统
针对支持向量机(SVM)诊断变压器故障的效果不稳定的问题,利用AdaBoost集成算法对其强化,得到的AdaBoost-SVM模型诊断结果比较稳定,但准确度依然有待提高.因此,提出利用麻雀搜索算法(SSA)对AdaBoost-SVM模型进行优化,指定其弱分类器权重口αt、SVM惩罚因子c和核参数g的寻优范围,使用SSA对三种参数在指定的寻优范围内寻优,提高模型的准确率.将提出的SSA-AdaBoost-SVM变压器故障诊断模型与PSO-SVM、SSA-SVM、AdaBoost-SVM、AdaBoost-S