找到 4 条结果 · 智能化与AI应用

排序:
智能化与AI应用 机器学习 深度学习 电池管理系统BMS ★ 5.0

面向早期循环的自适应置信度校准半监督集成方法用于电池寿命预测

Adaptive confidence-calibrated semi-supervised ensemble for early-cycle battery lifetime prediction

Jianlong Bi · Zicheng Fei · Jin Wang · Applied Energy · 2026年4月 · Vol.409

本文提出一种自适应置信度校准的半监督集成方法,利用少量标注早期循环电池数据与大量无标签数据,提升电池剩余寿命(RUL)预测精度与可靠性。

解读: 该研究直接支撑阳光电源PowerTitan、PowerStack及ST系列PCS中嵌入式电池健康状态(SOH)与寿命预测功能升级。结合iSolarCloud平台,可实现储能电站全生命周期智能运维。建议将该算法集成至新一代PCS固件及BMS协同架构中,强化用户侧/电网侧储能项目的质保评估与二手电池梯次...

智能化与AI应用 机器学习 深度学习 电池管理系统BMS ★ 4.0

一种融合MIC-BOA-TiDE与核密度估计的锂离子电池剩余使用寿命点预测与概率预测新框架

A novel MIC-BOA-TiDE fusion framework with kernel density estimation for point and probabilistic remaining useful life prediction of lithium-ion batteries

Tian Peng · Zhongzheng Mo · Jie Chen · Chenghao Sun 等7人 · Applied Energy · 2026年5月 · Vol.410

本文提出MIC-BOA-TiDE融合框架,结合互信息准则(MIC)、蝴蝶优化算法(BOA)与时间序列深度估计器(TiDE),并引入核密度估计实现锂离子电池剩余使用寿命(RUL)的高精度点预测与不确定性量化。

解读: 该研究聚焦锂电RUL智能预测,直接支撑阳光电源PowerTitan、PowerStack等储能系统中BMS的寿命预警与健康状态管理能力。其概率化RUL输出可增强ST系列PCS在梯次利用、运维调度和质保服务中的决策可靠性。建议将该框架嵌入iSolarCloud平台,与PCS实时数据流对接,构建云端-边...

智能化与AI应用 深度学习 故障诊断 机器学习 ★ 4.0

MSMFormer:一种基于多变量信号映射器的可变重构Transformer用于设备剩余使用寿命预测

MSMFormer: A Variable Reconstruction Transformer Based on Multivariable Signal Mappers for Equipment RUL Prediction

Yao Wang · Xinyu Dong · Lifeng Wu · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22

本文提出MSMFormer模型,融合多域递归分解、自适应多变量特征加权与Kolmogorov–Arnold网络(KAN)动态激活机制,显著提升设备RUL预测精度,在多个公开数据集上平均误差降低达35.7%。

解读: 该研究对阳光电源智能运维与预测性维护能力具有重要价值。MSMFormer可迁移应用于iSolarCloud平台,增强组串式逆变器、ST系列PCS及PowerTitan储能系统的早期故障识别与寿命预测能力;尤其适用于风-光-储多源设备在复杂工况下的退化建模。建议在下一代iSolarCloud 3.0中...

智能化与AI应用 强化学习 有限元仿真 机器学习 ★ 2.0

延长工具寿命:通过寿命引导的强化学习掌握通用工具的熟练使用

Prolonging Tool Life: Learning Skillful Use of General-Purpose Tools Through Lifespan-Guided Reinforcement Learning

Po-Yen Wu · Cheng-Yu Kuo · Yuki Kadokawa · Takamitsu Matsubara · IEEE Access · 2026年2月 · Vol.14

针对不确定任务环境下通用工具寿命易受操作方式影响的问题,本文提出一种将剩余使用寿命(RUL)嵌入强化学习奖励机制的框架,结合有限元分析与Miner法则估算应力累积导致的寿命衰减,并引入自适应奖励归一化机制,显著延长工具寿命并实现仿真到实物的有效迁移。

解读: 该研究在机器人操作层面探索寿命感知的智能决策,与阳光电源业务直接关联度较低。但其寿命建模(FEA+Miner规则)和强化学习驱动的可靠性优化思路,可启发PCS、组串式逆变器等功率设备在动态工况下的热-电-机械多物理场协同寿命预测与主动保护策略设计,尤其适用于PowerTitan等长期运行储能系统中对...