期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度学习和粒子群算法的锂离子电池核温估计方法
1
作者 李毅超 王楠 +2 位作者 段彬 康永哲 张承慧 《机械工程学报》 EI CAS CSCD 北大核心 2023年第22期69-78,共10页
在锂离子电池充放电运行过程中,其核心温度直接反应电池状态,是重要的安全性能指标。然而,电池核心温度无法直接测量,必须研发精准的核心温度估计方法。以核心温度相关性较高的可测变量(电流、电压、环境温度和表面温度)作为输入,建立... 在锂离子电池充放电运行过程中,其核心温度直接反应电池状态,是重要的安全性能指标。然而,电池核心温度无法直接测量,必须研发精准的核心温度估计方法。以核心温度相关性较高的可测变量(电流、电压、环境温度和表面温度)作为输入,建立锂离子电池双向长短期记忆神经网络(Bi-directional long short-term memory,Bi-LSTM)的核心温度预测模型,并引入粒子群优化(Particle swarm optimization,PSO)算法完成智能参数寻优,提高Bi-LSTM模型的预测精度。试验结果表明,在不同的充放电工况下,与决策树法、随机森林法等估计方法相比,本方法能够在宽环境温度下实现锂离子电池核心温度的准确预测,核心温度估计精度最高。 展开更多
关键词 锂离子电池 核温估计 双向长短期记忆神经网络 粒子群优化算法
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部