skip to main content
訪客
個人書架
我的帳戶
登出
登入
This feature requires javascript
檢索首頁
圖書館首頁
電子期刊
引用參考文獻查詢
指定參考書查詢
新書通報
標籤查詢
線上輔助
語言:
English
繁體中文
This feature required javascript
This feature requires javascript
Primo Search
館藏+文章
館藏+文章
館藏
查館藏
文章
查文章
機構典藏
機構典藏
Search For:
Clear Search Box
Search in:
館藏+文章
Or hit Enter to replace search target
Or select another collection:
Search in:
館藏+文章
進階檢索
瀏覽查詢
This feature requires javascript
資源種類
criteria input
圖書
期刊
視聽資料
全部館藏
顯示結果:
criteria input
包含在我的檢索語句內
完全相同
起始以
顯示結果:
查詢種類 索引
criteria input
任何地方
題名
ISBN
ISSN
Show Results with:
題名
Show Results with:
任何地方
題名
ISBN
ISSN
This feature requires javascript
一种基于充电模式识别的电动汽车充电时间预测方法
李春喜 ; 傅莹颖 ; 崔向科 ; 葛泉波
信息与电子工程前沿(英文版), 2023, Vol.24 (2), p.299-后插9
[同儕審閱期刊]
可取得全文
引用
被引用
線上檢視
詳細格式
評論和標籤
相關文章推薦
FullText@NUTN
引用次數
This feature requires javascript
傳送到
加入個人書架
從個人書架中移除
E-mail
列印
永久連結
引用
EndNote
導出 RiS
This feature requires javascript
題名:
一种基于充电模式识别的电动汽车充电时间预测方法
著者:
李春喜
;
傅莹颖
;
崔向科
;
葛泉波
所屬期刊:
信息与电子工程前沿(英文版), 2023, Vol.24 (2), p.299-后插9
描述:
U469.72%TP391.4; 电动汽车动力电池过度充电容易导致电池加速老化和严重的安全事故.因此,准确预测车辆充电时间对充电安全防护意义重大.由于电池组结构复杂,充电方式多样,传统方法因缺乏充电模式识别而预测精度不高.本文应用数据驱动和机器学习理论,提出一种新的基于充电模式识别的充电时间预测方法.首先,基于动态加权密度峰值聚类(DWDPC)和随机森林融合的智能算法对车辆充电模式进行分类;然后,采用改进的简化粒子群优化算法(ISPSO)和强跟踪滤波器(STF),对LSTM神经网络进行优化,构建了一种高性能的充电时间预测方法;最后,通过实际工程数据对所提出的ISPSO-LSTM-STF方法进行了验证.实验结果表明,该方法能够有效区分充电模式,提高了充电时间预测精度,具有实际工程意义.
出版者:
上海海事大学物流工程学院,中国上海市,200135%北京交通大学经济管理学院,中国北京市,102603%南京信息工程大学自动化学院,中国南京市,210044
語言:
中文
識別號:
ISSN: 2095-9184
EISSN: 2095-9230
資源來源:
SpringerLink Journals AutoHoldings
This feature requires javascript
This feature requires javascript
返回到檢索清單
This feature requires javascript
This feature requires javascript
正在檢索遠程資料庫,請稍等
查詢:
在
scope:("NUTN"),scope:(NUTN_ALEPH),scope:(NUTN_IR),scope:(NUTN_SFX),primo_central_multiple_fe
顯示現有記錄
This feature requires javascript
This feature requires javascript