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DESSA-DESN和NCA的锂离子电池剩余寿命预测
1
作者 李练兵 朱乐 +2 位作者 景睿雄 王兰超 韩琪琪 《储能科学与技术》 CAS CSCD 北大核心 2023年第10期3191-3202,共12页
锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法... 锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法。首先,对锂离子电池的容量衰减特性进行分析,对于多种能够描述电池老化状态的间接健康指标,利用NCA算法降维处理,得到4个高相关度的健康因子作为模型的输入;其次,将差分进化算法(DE)和麻雀搜索算法(SSA)相结合,将突变、交叉、筛选等操作引入SSA算法的种群更新过程中,提出混合差分进化-麻雀搜索算法(DESSA)算法,利用DESSA算法对DESN网络的参数进行寻优,建立DESSA-DESN预测模型。最后,利用NASA数据集和CALCE数据集对所提模型的有效性和泛化性能进行验证,并与SSA-DESN、GPR等现有方法进行比较,结果表明本工作提出的DESSA-DESN模型能够更加准确追踪锂离子电池的退化状态,具有更小的预测误差,对RUL预测结果的均方根误差(RSME)能够保持在1.5%以内,平均绝对误差(MAE)保持在1%以下。 展开更多
关键词 锂离子电池 剩余使用寿命 邻域成分分析 深度回声状态网络 混合差分进化-麻雀搜索算法
下载PDF
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