找到 10 条结果
探索机器学习和深度学习技术在神经疾病脑电信号分类中的有效性
Exploring the Effectiveness of Machine Learning and Deep Learning Techniques for EEG Signal Classification in Neurological Disorders
Souhaila Khalfallah · William Puech · Mehdi Tlija · Kais Bouallegue · IEEE Access · 2025年1月
神经疾病是全球身体和认知残疾的主要原因，影响约15%的全球人口。本研究探索机器学习ML和深度学习DL技术在处理脑电图EEG信号以检测癫痫、自闭症谱系障碍ASD和阿尔茨海默病等神经疾病中的应用。呈现详细工作流程，从使用头戴设备采集EEG数据开始，然后使用有限脉冲响应FIR滤波器和独立成分分析ICA进行数据预处理以消除噪声和伪影。数据分段后提取带功率和Shannon熵等关键特征以提高分类准确性。这些特征存储在离线数据库中便于分析期间访问，然后应用于ML和DL模型，系统测试性能并与先前研究比较结果。研...
解读: 该EEG信号分类技术对阳光电源智能诊断系统有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但信号处理和特征提取方法可应用于阳光设备状态监测和故障诊断。FIR滤波和ICA噪声消除技术对阳光电力电子设备信号处理有参考价值。机器学习和深度学习模型对比分析思路可应用于阳光故障分类算法开发。该研究验证的高准确率，...
梯度提升特征选择用于串补输电线路集成故障诊断
Gradient Boosting Feature Selection for Integrated Fault Diagnosis in Series-Compensated Transmission Lines
Rab Nawaz · Abdul Wadood · Khawaja Khalid Mehmood · Syed Basit Ali Bukhari 等6人 · IEEE Access · 2025年1月
串补输电线路是现代电网的组成部分，增强系统可靠性和稳定性。然而，它们引入电压反转、谐波失真和非线性动态等挑战，使当代电力系统故障诊断复杂化。本研究引入创新方法分析故障信号波形，利用互联网和传感器技术进步提供时间序列形式的大量电压和电流数据。通过优化从特征提取到模型学习的每个数据处理阶段，所提系统有效解决故障检测、分类和定位作为多分类问题。特征提取与高效梯度提升特征选择集成确保高准确度、速度和计算效率，优于需要大量预处理的技术。该方法使用四种集成分类器实施：自适应提升AB、轻量梯度提升机LGBM、...
解读: 该故障诊断技术对阳光电源光伏储能系统智能运维具有重要价值。阳光大型地面电站和集中式储能站需要快速准确的故障检测和定位。该研究的梯度提升特征选择和多分类模型可集成到阳光iSolarCloud平台，实现电站级故障智能诊断。在输电线路并网场景下，阳光储能系统需要识别电网侧故障并快速响应。该RF和XGB算法...
通过Transformer模型实现电池储能系统的充电诊断和状态估计
Charge Diagnostics and State Estimation of Battery Energy Storage Systems Through Transformer Models
Rolando Antonio Gilbert Zequera · Anton Rassõlkin · Toomas Vaimann · Ants Kallaste · IEEE Access · 2025年1月
随着人工智能持续发展，设计提供能源技术诊断和维护的准确算法是能源转型领域的挑战性任务。本研究专注于Transformer模型实施用于电池储能系统充电诊断和算法设计。实验使用可编程直流电子负载测试两个锂离子电池单元评估充电指标，每个单元执行20次电池测试。采用滤波器、包装器和嵌入方法技术实现特征选择并展示电池测试关键性能指标。时间序列和状态估计是执行充电诊断和荷电状态预测的监督学习技术。结果显示Transformer模型卓越性能指标，相比传统深度学习算法在模型评估中达到超过94%准确率。
解读: 该Transformer电池诊断技术对阳光电源储能系统BMS具有重要应用价值。阳光ST系列储能变流器配套的电池管理系统需要精准的SOC估计和健康诊断，该Transformer模型可提升预测准确率至94%以上。阳光可将该技术集成到BMS算法中，实现更精准的电池状态估计和寿命预测，优化充放电策略，延长电...
具有多波长响应的IGZO/HfOx异质结光电子忆阻器用于神经形态视觉系统
IGZO/HfOx Heterojunction Optoelectronic Memristor With Multiwavelength Response for Neuromorphic Visual System
Jiahui Zheng · Zhihao Tao · Zhuangzhuang Li · Xuanyu Shan 等6人 · IEEE Electron Device Letters · 2025年8月
宽带隙金属氧化物半导体具备适用于神经形态视觉系统的特性，包括高光吸收效率和持续光电导性。然而，它们对低能量光子的响应能力有限，这阻碍了需要颜色辨别和多光谱信号处理的应用。为应对这一挑战，我们开发了一种具有多波长响应的缺氧铟镓锌氧化物（IGZO）/氧化铪（HfOx）异质结忆阻器。该器件在350 - 680纳米光照下展现出突触功能，如兴奋性突触后电流、双脉冲易化以及图像感知 - 记忆整合。利用光增强和电抑制特性，彩色图像识别在人工神经网络中的准确率达到了85.8%。IGZO的可见光响应归因于能够捕获...
解读: 从阳光电源的业务视角来看，这项IGZO/HfOx异质结光电忆阻器技术虽然聚焦于神经形态视觉系统，但其底层创新对我司智能化产品线具有重要参考价值。 该技术的核心突破在于通过氧缺陷工程实现宽带隙氧化物半导体的全光谱响应（350-680nm），这为光伏系统的智能感知提供了新思路。在我司光伏逆变器和储能系...
模糊驱动医疗设备的电能质量评估与优化
Power Quality Assessment and Optimization in FUZZY-Driven Healthcare Devices
Dinesh Kumar Nishad · Saifullah Khalid · Rashmi Singh · IEEE Access · 2025年1月
模糊技术出现彻底改变医疗保健，赋能更智能医疗设备和设备。然而，这些模糊驱动系统的成功运行取决于高电能质量。本文引入创新模糊驱动能源管理系统，结合卷积神经网络CNN用于实时电能质量事件检测、长短期记忆LSTM网络用于预测分析以及强化学习用于优化控制。通过IEEE 13总线测试馈线广泛仿真，证明系统在检测和缓解电能质量扰动方面的卓越性能。基于CNN的检测在事件分类中达到97%准确率，而LSTM实现95%准确预测新兴问题。强化学习控制器相比传统方法，实现电压凹陷恢复快50%、谐波降低提升20%、停电期...
解读: 该电能质量管理技术对阳光电源储能系统在医疗等关键负荷场景具有重要参考。阳光PowerTitan工商业储能系统服务医院、数据中心等对电能质量要求极高的场所。该研究的CNN-LSTM-强化学习混合框架可集成到阳光储能变流器的智能控制系统，实现电能质量事件实时检测和快速响应。在医疗场景下，电压凹陷和谐波可...
基于DETR的视障人士辅助技术目标检测增强方法
Enhancing Object Detection in Assistive Technology for the Visually Impaired: A DETR-Based Approach
Sunnia Ikram · Imran Sarwar Bajwa · Sujan Gyawali · Amna Ikram 等5人 · IEEE Access · 2025年1月
本文提出实时障碍物检测识别系统，通过辅助技术增强视障人士导航。系统集成配备微型相机的移动应用实现实时图像采集，采用深度学习技术进行目标检测分类。对YOLOv8、Faster R-CNN和DETR进行比较评估。DETR表现最优，达到99%置信度、98%精度和40毫秒/帧处理速度。系统遵循结构化工作流程，包括实时采集、预处理、创新数据增强和TensorFlow Lite边缘设备优化。可分类80种障碍物类型如行人、车辆和交通信号，提供即时音频反馈确保安全导航。模型训练20轮达到98%准确率。该研究引入...
解读: 该目标检测技术可应用于阳光电源智能光伏电站巡检系统。阳光大型地面电站采用无人机和机器人巡检，需要高精度实时目标检测能力。该DETR方法的99%置信度和40毫秒处理速度可集成到阳光巡检设备，实现组件缺陷、热斑、遮挡物的自动识别。结合阳光SG逆变器的AI边缘计算能力和iSolarCloud云平台，该技术...
基于自适应神经模糊分类的高精度动作识别:先进生物信号与RGB融合技术
Advanced Biosignal-RGB Fusion With Adaptive Neurofuzzy Classification for High-Precision Action Recognition
Iqra Aijaz Abro · Haifa F. Alhasson · Shuaa S. Alharbi · Mohammed Alatiyyah 等6人 · IEEE Access · 2025年1月
在使用多传感器数据进行动作识别的领域中,生物信号与RGB模态的融合为提升动作分类系统精度提供了新途径。本文提出一种自适应神经模糊分类框架,融合肌电信号、加速度计数据和视觉信息,通过模糊逻辑优化多模态数据的特征融合。
解读: 该多传感器融合技术可应用于阳光电源储能系统的人机交互和安全监控。通过融合视觉和生物信号数据,实现储能电站运维人员的行为识别和异常动作检测,提升工业现场的安全管理水平,为智能运维系统提供人机协同支持。...
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...
基于注意力增强InceptionNeXt的肺癌检测混合深度学习模型
Attention Enhanced InceptionNeXt-Based Hybrid Deep Learning Model for Lung Cancer Detection
Burhanettin Ozdemir · Emrah Aslan · Ishak Pacal · IEEE Access · 2025年1月
肺癌是全球癌症相关死亡的最常见原因。这种高度致命和流行疾病的早期诊断可显著提高生存率并防止其进展。计算机断层扫描CT是肺癌诊断的金标准成像方式，为肺结节评估提供关键见解。呈现集成卷积神经网络CNN和视觉Transformer ViT的混合深度学习模型。通过优化和集成网格和块注意力机制与InceptionNeXt块，所提模型有效捕获CT图像中的细粒度和大规模特征。这种综合方法使模型不仅能区分恶性和良性结节，还能识别腺癌、大细胞癌和鳞状细胞癌等特定癌症亚型。InceptionNeXt块的使用促进多尺...
解读: 该肺癌检测深度学习模型对阳光电源智能诊断技术有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但CNN与ViT混合架构和注意力机制可应用于阳光设备缺陷检测和故障诊断。多尺度特征处理技术对阳光光伏组件热斑检测和储能设备异常识别有参考价值。轻量级高精度模型设计思路与阳光边缘智能设备需求一致。迁移学习方法可应用...
基于数据驱动与机理模型的锂离子电池健康状态估计与拐点识别
State-of-health estimation and knee point identification of lithium-ion battery based on data-driven and mechanism model
Yulong Ni · Kai Song · Lei Pei · Xiaoyu Li 等8人 · Applied Energy · 2025年1月 · Vol.385
准确的健康状态（SOH）估计与拐点识别对于优化电池性能及生命周期管理至关重要。本文提出了一种结合改进的基于牛顿-拉夫逊优化算法优化支持向量回归与自适应提升算法（INRBO-SVR-AdaBoost）的SOH估计方法，以及一种基于最大垂直距离法并考虑失效阈值的拐点识别方法。首先，引入三项改进以增强标准NRBO算法的全局搜索能力与收敛速度，从而使SVR方法能够获得最优参数；随后，采用AdaBoost算法对INRBO-SVR方法进行集成，进一步提高SOH估计精度。实验结果表明，INRBO-SVR-Ad...
解读: 该锂电池SOH估计与拐点识别技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要价值。INRBO-SVR-AdaBoost算法可集成至iSolarCloud平台,实现储能系统电池健康状态精准预测(误差<0.89%),优化BMS管理策略。拐点识别方法可指导ESS全生命周期管理,精确判定电...