电源技术
電源技術
전원기술
CHINESE JOURNAL OF POWER SOURCES
2012年
4期
491-494
,共4页
航空蓄电池%剩余容量%模糊神经网络%聚类分析
航空蓄電池%剩餘容量%模糊神經網絡%聚類分析
항공축전지%잉여용량%모호신경망락%취류분석
在深入研究模糊神经网络模型的基础上,引入k-means聚类分析的方法对模型输入数据进行预处理,改进模型推理层,并对系统输出进行简化,提出了一种新的蓄电池剩余容量的预测模型.实验仿真表明,与基本模糊神经网络相比改进模糊神经网络的预测精度更高,所需时间更短,实现了对航空蓄电池剩余容量的实时、准确预测.
在深入研究模糊神經網絡模型的基礎上,引入k-means聚類分析的方法對模型輸入數據進行預處理,改進模型推理層,併對繫統輸齣進行簡化,提齣瞭一種新的蓄電池剩餘容量的預測模型.實驗倣真錶明,與基本模糊神經網絡相比改進模糊神經網絡的預測精度更高,所需時間更短,實現瞭對航空蓄電池剩餘容量的實時、準確預測.
재심입연구모호신경망락모형적기출상,인입k-means취류분석적방법대모형수입수거진행예처리,개진모형추리층,병대계통수출진행간화,제출료일충신적축전지잉여용량적예측모형.실험방진표명,여기본모호신경망락상비개진모호신경망락적예측정도경고,소수시간경단,실현료대항공축전지잉여용량적실시、준학예측.
