Key points are not available for this paper at this time.
أصبحت مراقبة وتحليل الاحتراق الحراري تحديًا كبيرًا لسلامة المعدات الكهربائية المدفوعة ببطاريات الليثيوم أيون. تعد مراقبة الاحتراق الحراري أمرًا بالغ الأهمية لتجنب احتراق وانفجار بطاريات الليثيوم. يقترح هذا البحث نوعًا جديدًا من الشبكات العصبية العميقة، والمعروفة باسم الشبكات العصبية ذات الميزات الكاملة (WFNN)، لمراقبة الاحتراق الحراري لبطاريات الليثيوم. تتعلم الشبكات العصبية أنماط الاحتراق الحراري لبطارية الليثيوم من درجات الحرارة والتيار والجهد المقاسين. WFNN هو نموذج شامل لمراقبة الاحتراق الحراري لبطاريات الليثيوم. تم إجراء تجربة على مراقبة الاحتراق الحراري لبطاريات الليثيوم لتقييم أداء WFNN المقترح. تصل دقة المراقبة إلى 99.48%، وهي أعلى من تلك الخاصة بآلة الدعم الشعاعي، وآلة دعم الشعاع النووية، وأقرب جار، والشبكات العصبية المتصلة بالكامل. علاوة على ذلك، فإن كفاءة حساب WFNN عالية بما يكفي لمراقبة الاحتراق الحراري في الوقت الفعلي. نتيجة لذلك، تظهر النتائج التجريبية أن WFNN المقترح قابل للتطبيق على مراقبة الاحتراق الحراري لبطاريات الليثيوم.
درس ليو وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: