找到 2 条结果
具有低功耗突触仿生潜力的(1–x)Bi0.88Nd0.12FeO3–xCaBi4Ti4O15薄膜中的可调谐电容性电阻开关特性
Tunable capacitive resistance switching with low-power synaptic bionic potential in (1–x)Bi0.88Nd0.12FeO3–xCaBi4Ti4O15 thin films
Wenlong Liu · Jin Zong · Di Li · Jiahua Wei 等5人 · Journal of Materials Science: Materials in Electronics · 2025年1月 · Vol.36.0
由于忆阻器具有独特的非线性、记忆性和局部活性，使其在神经网络计算系统中展现出广阔的应用前景，尤其是在低功耗、非易失性和自适应能力方面。本文采用溶胶-凝胶法制备了Au/(1-x)Bi0.88Nd0.12FeO3–xCaBi4Ti4O15（BNFO-CBTO，x = 0.1, 0.2, 0.3, 0.4, 0.5）非易失性存储器件，该器件表现出明显的电阻开关（RS）行为。(1-x)BNFO-xCBTO样品的电容性电阻开关行为可通过CBTO相进行调控，即CBTO相含量越高，电容性电阻开关现象越显著。此...
解读: 该忆阻器薄膜技术展现的超低功耗(nA级)非易失性存储特性,对阳光电源储能系统ST系列PCS的状态记忆单元及电动汽车驱动控制器具有应用潜力。其类突触行为模拟能力可启发iSolarCloud平台的神经网络预测性维护算法优化,特别是在电池SOC/SOH估算中引入忆阻器非线性特性,可降低边缘计算功耗。材料可...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...