文献

J-GLOBAL ID：202202251187847713   整理番号：22A0775681

ファジィ脳感情学習ニューラルネットワークを用いたハイブリッドエネルギー貯蔵システムのための電池-スーパーキャパシタ状態-健全性推定【JST・京大機械翻訳】

Battery-Supercapacitor State-of-Health Estimation for Hybrid Energy Storage System Using a Fuzzy Brain Emotional Learning Neural Network

著者 (4件)： Lin Qiongbin (College of Electrical Engineering and Automation, Fuzhou University, Fuzhou, China) ,  Xu Zhifan (College of Electrical Engineering and Automation, Fuzhou University, Fuzhou, China) ,  Xu Zhifan (Yuan Ze University, Taoyuan, Taiwan) ,  Lin Chih-Min (Yuan Ze University, Taoyuan, Taiwan)
資料名： International Journal of Fuzzy Systems  (International Journal of Fuzzy Systems)
巻： 24  号： 1  ページ： 12-26  発行年： 2022年 
JST資料番号： W4469A  ISSN： 1562-2479  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,効率的な推定器を提案し,ハイブリッドエネルギー貯蔵システム(HESS)におけるリチウムイオン電池とスーパーキャパシタの健全性を推定するのに用いた。ファジィ脳感情学習ニューラルネットワーク(FBELNN)を使用する新しいタイプのオンライン健康推定器を提案する。このニューラルネットワークは,ファジィ推論システムと新しい報酬信号を用いる従来の脳感情学習ニューラルネットワークと異なっている。エネルギー貯蔵部品の出力に対する効果容量フェージングも決定した。提案した方法は離散ウェーブレット変換(DWT)と主成分分析(PCA)を用いてインパルス負荷の応答信号から特徴を抽出した。DWT-PCAは特徴抽出のための作業負荷を減らすことができる。FBELNNのパラメータ適応則と収束解析を導出し,FBELNNの内部パラメータを遺伝的アルゴリズム(GA)を用いて最適化した。ニューラルネットワークは,HESSの安全性を確保するために,リアルタイムでスーパーキャパシタとリチウムイオン電池の容量を推定する。サンプルセットは,HESSシミュレーションプラットフォームと実際的実験プラットフォームにおける電圧応答信号から収集する。シミュレーションと実験結果は,提案方法がより速い学習速度を持ち,他の方法より正確であることを示した。Copyright Taiwan Fuzzy Systems Association 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電圧 ,  *電池 ,  *学習 ,  *脳 ,  *ニューラルネットワーク ,  特徴抽出 ,  主成分分析 ,  曖昧さ ,  遺伝的アルゴリズム ,  ウェーブレット変換 ,  リチウムイオン電池
準シソーラス用語： *スーパーキャパシタ ,  離散ウェーブレット変換 ,  オンライン ,  収束解析 , 【Automatic Indexing@JST】

著者キーワード (5件)： 健康の状態 ,  特徴抽出 ,  ファジィ推論システム ,  脳感情学習ニューラルネットワーク ,  ハイブリッドエネルギー貯蔵システム

分類 (4件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  応用心理学  (AE02000A) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (10件)： ファジィ ,  脳 ,  感情 ,  学習 ,  ニューラルネットワーク ,  エネルギー貯蔵システム ,  電池 ,  スーパーキャパシタ ,  健全性 ,  推定