期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
4
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
考虑混杂充电数据的锂离子电池容量估计
被引量:
5
1
作者
周子游
刘永刚
+3 位作者
杨阳
陈峥
舒星
秦大同
《机械工程学报》
EI
CAS
CSCD
北大核心
2021年第14期1-9,共9页
准确有效的电池容量估计对于电动汽车的安全性等有着十分重要的意义。目前结合健康因子提取的电池容量估计方法受到了广泛的关注,然而大多数研究没有考虑到电池实际应用中每个循环的充电数据会根据充放电情况的不同而具有不同的充电数...
准确有效的电池容量估计对于电动汽车的安全性等有着十分重要的意义。目前结合健康因子提取的电池容量估计方法受到了广泛的关注,然而大多数研究没有考虑到电池实际应用中每个循环的充电数据会根据充放电情况的不同而具有不同的充电数据结构,这会导致健康因子的提取不能连续有效地进行,无效或缺失的健康因子序列会导致无法有效地估计电池容量,由此开展考虑混杂充电数据的锂离子电池容量估计方法研究。考虑三种最常见的充电数据结构组成混杂充电数据,根据不同的数据结构提取有效健康因子,再由粒子群算法寻优获得最佳健康因子;以相关向量回归为工具,通过健康因子估计健康因子的方法获取其中一种完整健康因子序列;以完整的健康因子序列训练长短时记忆网络以达到估计未来电池容量的目的。仿真试验结果表明,RVM估计健康因子的相对误差均保持在1%以内,未来电池容量的估计相对误差基本在2%以内,达到较高的估计精度,可满足一定的实际应用需求。
展开更多
关键词
锂离子
电池
电池容量
估计
混杂充电数据
健康因子
数据驱动模型
原文传递
基于BP神经网络的电池容量估计
2
作者
蔡明扬
李至
+1 位作者
田侃
邓念本
《船电技术》
2024年第2期29-32,共4页
电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型...
电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型,实现对电池容量的估计。
展开更多
关键词
组合脉冲放电法
电池容量
估计
蓄
电池
BP神经网络
下载PDF
职称材料
基于组合脉冲放电法的电池容量估计算法
被引量:
3
3
作者
蔡明扬
赵春宇
孛爱
《中国新通信》
2022年第16期53-58,共6页
电池足够的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站要求每年进行例行核对性放电,但这种核容方法耗时长,人工成本较高。本文提出一种基于组合脉冲放电法的电池容量估算算法,利用大量的电池运行数据建立电池模型...
电池足够的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站要求每年进行例行核对性放电,但这种核容方法耗时长,人工成本较高。本文提出一种基于组合脉冲放电法的电池容量估算算法,利用大量的电池运行数据建立电池模型,实现电池容量的快速估计。本文的研究对象是若干同一型号不同老化状态的铅酸蓄电池,为获取电池的特征,对其采用组合脉冲放电法进行放电,获取电池放电过程中电压变化的数据,然后使用四阶多项式插值函数对放电过程中的电压曲线进行拟合,将拟得的函数系数作为电压曲线的特征参数,配置相应的训练样本和测试样本。设计BP神经网络,学习电压曲线的关键特征和电池容量之间的映射关系。将经过训练的神经网络模型应用于配置好的测试样本,比较电池容量的实测值和估计值,实验结果显示:有效检测范围内的相对误差控制在10%以内,满足实际所需的精度。实验验证了电池在不同老化状态条件下,所提出估计方案对电池容量估计的有效性。
展开更多
关键词
组合脉冲放电法
电池容量
估计
蓄
电池
BP神经网络
下载PDF
职称材料
锂离子电池容量退化融合估计算法
4
作者
彭发豫
张宁
蒋涛
《舰船电子工程》
2020年第9期44-47,66,共5页
锂离子电池容量退化过程具有非线性强,参数影响多等特点,从而难以被预测。针对该问题,开展评估方法研究,提出融合神经网络与粒子滤波的锂离子电池容量退化估计算法。利用神经网络的非线性优势,采用三层神经网络模型,建立电池容量退化模...
锂离子电池容量退化过程具有非线性强,参数影响多等特点,从而难以被预测。针对该问题,开展评估方法研究,提出融合神经网络与粒子滤波的锂离子电池容量退化估计算法。利用神经网络的非线性优势,采用三层神经网络模型,建立电池容量退化模型,并通过比较数据间相似性引入归一化参数,优化数据结构,然后采用粒子滤波追踪模型内部参数,进而预测电池容量状态。最后利用CALCE实验室电池数据进行验证,并与电池双指数经验模型的粒子滤波算法进行了对比,结果表明论文算法具有更好的准确性和稳定性。
展开更多
关键词
电池容量
估计
神经网络
粒子滤波
剩余寿命
下载PDF
职称材料
题名
考虑混杂充电数据的锂离子电池容量估计
被引量:
5
1
作者
周子游
刘永刚
杨阳
陈峥
舒星
秦大同
机构
重庆大学机械与运载工程学院
重庆大学机械传动国家重点实验室
昆明理工大学交通工程学院
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2021年第14期1-9,共9页
基金
国家自然科学基金资助项目(51775063)。
文摘
准确有效的电池容量估计对于电动汽车的安全性等有着十分重要的意义。目前结合健康因子提取的电池容量估计方法受到了广泛的关注,然而大多数研究没有考虑到电池实际应用中每个循环的充电数据会根据充放电情况的不同而具有不同的充电数据结构,这会导致健康因子的提取不能连续有效地进行,无效或缺失的健康因子序列会导致无法有效地估计电池容量,由此开展考虑混杂充电数据的锂离子电池容量估计方法研究。考虑三种最常见的充电数据结构组成混杂充电数据,根据不同的数据结构提取有效健康因子,再由粒子群算法寻优获得最佳健康因子;以相关向量回归为工具,通过健康因子估计健康因子的方法获取其中一种完整健康因子序列;以完整的健康因子序列训练长短时记忆网络以达到估计未来电池容量的目的。仿真试验结果表明,RVM估计健康因子的相对误差均保持在1%以内,未来电池容量的估计相对误差基本在2%以内,达到较高的估计精度,可满足一定的实际应用需求。
关键词
锂离子
电池
电池容量
估计
混杂充电数据
健康因子
数据驱动模型
Keywords
lithium-ion batteries
battery capacity estimation
hybrid charging data
health factors
data-driven model
分类号
TG156 [金属学及工艺—热处理]
原文传递
题名
基于BP神经网络的电池容量估计
2
作者
蔡明扬
李至
田侃
邓念本
机构
武汉船用电力推进装置研究所
出处
《船电技术》
2024年第2期29-32,共4页
文摘
电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型,实现对电池容量的估计。
关键词
组合脉冲放电法
电池容量
估计
蓄
电池
BP神经网络
Keywords
combined pulse discharge method
battery capacity estimation
battery
BP neural network
分类号
TM912 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
基于组合脉冲放电法的电池容量估计算法
被引量:
3
3
作者
蔡明扬
赵春宇
孛爱
机构
上海交通大学电子信息与电气工程学院
出处
《中国新通信》
2022年第16期53-58,共6页
文摘
电池足够的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站要求每年进行例行核对性放电,但这种核容方法耗时长,人工成本较高。本文提出一种基于组合脉冲放电法的电池容量估算算法,利用大量的电池运行数据建立电池模型,实现电池容量的快速估计。本文的研究对象是若干同一型号不同老化状态的铅酸蓄电池,为获取电池的特征,对其采用组合脉冲放电法进行放电,获取电池放电过程中电压变化的数据,然后使用四阶多项式插值函数对放电过程中的电压曲线进行拟合,将拟得的函数系数作为电压曲线的特征参数,配置相应的训练样本和测试样本。设计BP神经网络,学习电压曲线的关键特征和电池容量之间的映射关系。将经过训练的神经网络模型应用于配置好的测试样本,比较电池容量的实测值和估计值,实验结果显示:有效检测范围内的相对误差控制在10%以内,满足实际所需的精度。实验验证了电池在不同老化状态条件下,所提出估计方案对电池容量估计的有效性。
关键词
组合脉冲放电法
电池容量
估计
蓄
电池
BP神经网络
分类号
TM912 [电气工程—电力电子与电力传动]
TN929.5 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
锂离子电池容量退化融合估计算法
4
作者
彭发豫
张宁
蒋涛
机构
海军工程大学兵器工程学院
出处
《舰船电子工程》
2020年第9期44-47,66,共5页
文摘
锂离子电池容量退化过程具有非线性强,参数影响多等特点,从而难以被预测。针对该问题,开展评估方法研究,提出融合神经网络与粒子滤波的锂离子电池容量退化估计算法。利用神经网络的非线性优势,采用三层神经网络模型,建立电池容量退化模型,并通过比较数据间相似性引入归一化参数,优化数据结构,然后采用粒子滤波追踪模型内部参数,进而预测电池容量状态。最后利用CALCE实验室电池数据进行验证,并与电池双指数经验模型的粒子滤波算法进行了对比,结果表明论文算法具有更好的准确性和稳定性。
关键词
电池容量
估计
神经网络
粒子滤波
剩余寿命
Keywords
battery capacity estimation
neural networks
particle filter
remaining useful life
分类号
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
考虑混杂充电数据的锂离子电池容量估计
周子游
刘永刚
杨阳
陈峥
舒星
秦大同
《机械工程学报》
EI
CAS
CSCD
北大核心
2021
5
原文传递
2
基于BP神经网络的电池容量估计
蔡明扬
李至
田侃
邓念本
《船电技术》
2024
0
下载PDF
职称材料
3
基于组合脉冲放电法的电池容量估计算法
蔡明扬
赵春宇
孛爱
《中国新通信》
2022
3
下载PDF
职称材料
4
锂离子电池容量退化融合估计算法
彭发豫
张宁
蒋涛
《舰船电子工程》
2020
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部