基于 AFSARBF 神经网络的电动汽车动力 电池 SOC 预测

循环神经网络的python应用代码。可参考。但注释较少，适合一定基础的，下载时请慎重。

一款用matlab实现的BP神经网络程序，可以用于解决对股票的多个指标的预测。

反向传播(BP)神经网络的回归预测广泛应用于连续值预测，遵循以下步骤实现：1. 数据准备：收集输入特征和目标值。2. 网络设计：选择BP网络结构，包括节点数、层数和激活函数。3. 数据预处理：归一化或

0 引言 能源紧张和气候变化使具有节能环保优势的电动汽车受到了全球的关注。电动汽车采用清洁能源电能作为动力,是未来交通的长远解决方案[1]。对于个人用户而言,充电时需要到就近的充电站或充电桩进行充电

Modern electric vehicles, hybrid electric vehicles and fuel cell vehicles - basic principles, theory

高可靠性系统的中庸解决之道是故障监视,采用这种办法时,电路监视各种不同的系统组件,并报告任何异常现象。既然故障可能在任何时间、在电路中的任何地方出现,因此监视的组件越多越好。对检测到的故障的反应既可以

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足,将电动汽车进行细致分类,通过建立充电负荷预测影响因素的概率

每当我跟人讲我是设计电动汽车的电池组(battery pack)的时候,人们总会问我,电池组是什么?和电池有什么区别?汽车电池和手机电池有什么区别? 如果我们把电动汽车比作一个团队,这个团队的

基于CAN总线的混合动力电动汽车动力总成控制系统研制

CAN和光纤实现电动汽车动力电池组采集系统CAN和光纤实现电动汽车动力电池组采集系统电池是电动汽车的能量来源，电动车发展的主要技术瓶颈就是电池技术的发展。对电池性能的研究就离不开大量的实验数据，动态采