×
验证码:
换一张
忘记密码?
记住我
CORC
首页
科研机构
检索
知识图谱
申请加入
托管服务
登录
注册
在结果中检索
科研机构
沈阳自动化研究所 [5]
自动化研究所 [1]
西安光学精密机械研究... [1]
内容类型
期刊论文 [6]
会议论文 [1]
发表日期
2020 [7]
×
知识图谱
CORC
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共7条,第1-7条
帮助
限定条件
发表日期:2020
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
题名升序
题名降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
Uncertainty quantification of bearing remaining useful life based on convolutional neural network
会议论文
Canberra, Australia, 2020-12
作者:
Wang Huanjie
;
Bai Xiwei
;
Tan, Jie
收藏
  |  
浏览/下载:1/0
  |  
提交时间:2023/05/31
Novel direct remaining useful life estimation of aero-engines with randomly assigned hidden nodes
期刊论文
NEURAL COMPUTING & APPLICATIONS, 2020, 卷号: 32, 期号: 18(SI), 页码: 14347-14358
作者:
Bai, Jian-Ming
;
Zhao, Guang-She
;
Rong, Hai-Jun
收藏
  |  
浏览/下载:17/0
  |  
提交时间:2020/11/02
Remaining useful life (RUL)
Aero-engines
Extreme learning machine (ELM)
基于权值选择粒子滤波的锂电池RUL预测研究
期刊论文
计算机仿真, 2020, 页码: 1-7
作者:
汤琦
;
贾洪铎
;
李亚滨
;
袁学庆
收藏
  |  
浏览/下载:164/0
  |  
提交时间:2019/11/16
锂离子电池
剩余使用寿命
权值选择粒子滤波
新容量退化模型
基于新容量退化模型的锂电池RUL预测研究
期刊论文
计算机仿真, 2020, 卷号: 37, 期号: 2, 页码: 120-124
作者:
李亚滨
;
林硕
;
袁学庆
;
刘竞远
;
李亚滨
收藏
  |  
浏览/下载:4/0
  |  
提交时间:2020/05/16
新容量退化模型
粒子滤波算法
锂离子电池
剩余使用寿命
A method for degradation prediction based on Hidden Semi-Markov models with mixture of Kernels
期刊论文
Computers in Industry, 2020, 卷号: 122, 页码: 1-13
作者:
Yang TJ(杨天吉)
;
Zheng ZY(郑泽宇)
;
Qi L(亓亮)
收藏
  |  
浏览/下载:4/0
  |  
提交时间:2020/08/29
Prognostics and health management
Remaining useful lifetime
Hidden semi-Markov models
Kernel method approximationa
基于权值选择粒子滤波的锂电池RUL预测研究
期刊论文
计算机仿真, 2020, 卷号: 37, 期号: 11, 页码: 75-80
作者:
李亚滨
;
袁学庆
;
汤琦
;
贾洪铎
收藏
  |  
浏览/下载:3/0
  |  
提交时间:2019/11/16
锂离子电池
剩余使用寿命
权值选择粒子滤波
新容量退化模型
Empirical Mode Decomposition and Temporal Convolutional Networks for Remaining Useful Life Estimation
期刊论文
INTERNATIONAL JOURNAL OF PARALLEL PROGRAMMING, 2020, 卷号: 48, 期号: 1, 页码: 61-79
作者:
Yang, Wensi
;
Yao QF(么庆丰)
;
Ye KJ(叶可江)
;
Xu CZ(须成忠)
收藏
  |  
浏览/下载:5/0
  |  
提交时间:2019/11/30
Convolutional neural networks
Empirical mode decomposition
Remaining useful life
Reliability
©版权所有 ©2017 CSpace - Powered by
CSpace