排序方式： 共有8条查询结果，搜索用时 218 毫秒
1
1.
合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。 相似文献
2.
3.
提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断。最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能的问题,可进一步提高网络的学习速度和泛化能力,有利于进行全局寻优。仿真结果表明,与BP神经网络、RBF神经网络和ELM相比,基于鲸鱼算法优化极限学习机建立的故障诊断模型学习速度更快、泛化能力更强、识别精度更高。 相似文献
4.
利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。 相似文献
5.
在英语教学实践中,普遍存在着男生英语学习成绩比女生差这一现象,特别是理科男生这种现象尤为突出。本文试图通过对理科男生学习英语过程中所碰到的问题进行总结归因,并提出相应的解决措施,如激发男生内在兴趣动机,逐步恢复学习自信心;合理引导,端正男生学习英语态度;培养良好的学习习惯和坚韧的意志;建立师生融洽的情感和宽松的课堂氛围;因人而宜、因性施教,建立个体施教机制等等,以达到提高教学效果的目的,从而促进英语教学的全面发展。 相似文献
6.
锂电池的荷电状态(SOC)和有效容量是表征电池当前剩余电量和电池寿命的重要参数,提出一种锂离子电池有效容量和SOC的联合估计方法。在电池全寿命周期内,给出一种开路电压与SOC和电池有效容量非线性模型的两变量多项式描述;当电池循环使用次数超过预设值,采用鲸鱼优化算法估计当前电池容量与电池模型参数,根据模型参数与容量值采用无迹卡尔曼滤波器估计电池SOC;在SOC估计过程中,采用鲸鱼优化算法更新无迹卡尔曼滤波器的观测噪声方差和过程噪声方差,实现噪声方差的自适应调节,进而提高估计精度。实验结果验证了该方法的有效性和联合估计方案的可行性。 相似文献
7.
8.
1