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9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：
融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究 被引量：5
1
作者 梁海强 何洪文 +2 位作者 代康伟 庞博 王鹏 《汽车工程》 EI CSCD 北大核心 2023年第5期825-835,844,共12页
为提升实际应用中锂离子动力电池寿命预测精度,本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计,以基于机理模型估计电池未来容量衰减量进而预测得到的SO... 为提升实际应用中锂离子动力电池寿命预测精度,本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计,以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正,从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明,锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%,取得了良好的预测效果,丰富了锂离子动力电池寿命预测的方法。 展开更多
关键词 锂离子电池 融合模型 电池寿命预测 电动汽车
下载PDF
基于SE-SAE特征融合和BiLSTM的锂电池寿命预测 被引量：3
2
作者 叶震 李琨 +1 位作者 李梦男 高宏宇 《电源技术》 CAS 北大核心 2023年第6期745-749,共5页
预测锂电池剩余使用寿命(RUL)时,针对电池外部特性参量电流、电压等单一的健康因子(HI)对电池退化特性无法完整覆盖的问题,提出一种结合通道注意力机制(SENet)和栈式自编码(SAE)进行特征融合并引入双向长短期记忆(BiLSTM)实现锂电池RUL... 预测锂电池剩余使用寿命(RUL)时,针对电池外部特性参量电流、电压等单一的健康因子(HI)对电池退化特性无法完整覆盖的问题,提出一种结合通道注意力机制(SENet)和栈式自编码(SAE)进行特征融合并引入双向长短期记忆(BiLSTM)实现锂电池RUL的预测方法。充分提取锂电池电压、电流等HI。利用SAE对多个锂电池HI特征进行特征融合,并结合SENet通道注意力机制,增加重要特征在提取过程中的表现能力。利用BiLSTM网络对融合HI进行训练预测。采用NASA和马里兰大学计算机辅助寿命周期工程中心(CALCE)锂电池数据集进行验证,训练预测数据均采用50%的比例划分,预测结果的均方根误差(RMSE)平均值达到0.017。 展开更多
关键词 SENet 栈式自编码 特征融合 双向长短期记忆网络 电池寿命预测
下载PDF
一种锂离子蓄电池寿命的预测模型 被引量：5
3
作者 许参 李杰 王超 《应用科学学报》 CAS CSCD 北大核心 2006年第4期368-371,共4页
在Rakhmatov[1]针对锂离子蓄电池提出的电池解析模型基础上,提出了一种简单并可精确预测电池寿命的电池模型,并分析了模型的适用性,该模型具有常数负载和变化负载两种情形.仿真结果表明,利用该模型预测的电池寿命达到了非常高的精确度.
关键词 锂离子电池 电池模型 电池寿命预测
下载PDF
基于KF-BPNN融合算法的电池循环寿命预测方法 被引量：2
4
作者 张宁 刘一飞 +1 位作者 汤建林 李佳宽 《海军工程大学学报》 CAS 北大核心 2022年第5期39-44,共6页
为了解决实际应用过程中电池循环寿命预测精度较低的问题,提出卡尔曼滤波-BP神经网络(KF-BPNN)融合算法对电池的循环寿命进行预测。该方法选用电池内阻作为循环寿命的评估参数,利用BPNN预测电池的内阻值,并将预测内阻值作为KF算法的观... 为了解决实际应用过程中电池循环寿命预测精度较低的问题,提出卡尔曼滤波-BP神经网络(KF-BPNN)融合算法对电池的循环寿命进行预测。该方法选用电池内阻作为循环寿命的评估参数,利用BPNN预测电池的内阻值,并将预测内阻值作为KF算法的观测值来修正卡尔曼滤波观测方程系数,从而提高循环寿命预测精度。实验结果表明:融合算法的预测精度有了明显提高。 展开更多
关键词 电池循环寿命 电池寿命预测 内阻 KF-BPNN融合算法
下载PDF
纯电动汽车电池数据分析研究 被引量：1
5
作者 张瑞 李强 王三福 《自动化与仪器仪表》 2017年第11期106-108,共3页
结合数据分析应用技术最新的发展,全面分析研究了该技术在电池状态不一致、电池寿命预测以及电池组的SOC准确显示等问题中的具体应用。同时,引入了深度学习中循环神经网络(RNN)并实现了电池数据管理的可视化及预警。文章期望为搭建高效... 结合数据分析应用技术最新的发展,全面分析研究了该技术在电池状态不一致、电池寿命预测以及电池组的SOC准确显示等问题中的具体应用。同时,引入了深度学习中循环神经网络(RNN)并实现了电池数据管理的可视化及预警。文章期望为搭建高效合理的电动汽车电池数据分析计算提供了一种新思路,进而提升电池管理研究的整体水平。 展开更多
关键词 锂离子电池 电池状态不一致 电池寿命预测 SOC准确显示 循环神经网络
原文传递
基于改进鸟群算法优化最小二乘支持向量机的锂离子电池寿命预测方法研究 被引量：2
6
作者 王雪莹 赵全明 《电气应用》 2020年第5期12-16,共5页
随着锂离子电池的广泛应用,其寿命预测与健康管理已成为当今的热点问题。锂电池寿命预测对于电池管理系统的稳定运行有着重要意义。采用最小二乘支持向量机(LSSVM)模型对锂离子电池剩余寿命进行预测,并采用鸟群优化算法(BSA)对LSSVM参... 随着锂离子电池的广泛应用,其寿命预测与健康管理已成为当今的热点问题。锂电池寿命预测对于电池管理系统的稳定运行有着重要意义。采用最小二乘支持向量机(LSSVM)模型对锂离子电池剩余寿命进行预测,并采用鸟群优化算法(BSA)对LSSVM参数进行寻优。为提高BSA算法的全局搜索能力,对BSA算法进行改进,并提出改进鸟群算法(IBSA)。最后采用IBSA算法优化LSSVM模型,建立了IBSA-LSSVM预测模型并对锂离子电池寿命进行预测。测试结果表明,IBSA-LSSVM模型有良好的预测效果和预测稳定性。 展开更多
关键词 可持续锂离子电池 鸟群算法 最小二乘支持向量机 锂离子电池寿命预测
下载PDF
改进MD-MTD的神经网络锂电池寿命预测仿真
7
作者 朱鸿杰 吕志刚 +2 位作者 邸若海 孙晓静 郝可青 《西安工业大学学报》 CAS 2022年第6期620-626,共7页
针对锂电池数据不充足的条件下构建的BP神经网络模型泛化能力差导致预测精度低的问题,文中提出了一种改进多分布整体趋势扩散技术的BP神经网络建模方法。利用麻雀搜索算法优化BP神经网络的初始参数,求取多分布整体趋势扩散技术生成的虚... 针对锂电池数据不充足的条件下构建的BP神经网络模型泛化能力差导致预测精度低的问题,文中提出了一种改进多分布整体趋势扩散技术的BP神经网络建模方法。利用麻雀搜索算法优化BP神经网络的初始参数,求取多分布整体趋势扩散技术生成的虚拟样本标签,结合原始数据和虚拟样本数据训练BP神经网络。采用NASA锂电池公开数据集对所提算法进行验证。仿真结果表明:该算法与MD-MTD以及超球特征方程算法相比,锂电池剩余寿命预测平均误差分别下降31.2%和5.1%,有效解决了数据不充足条件下模型预测精度低的问题。 展开更多
关键词 锂电池寿命预测 多分布整体趋势扩散 BP神经网络 麻雀搜索算法
下载PDF
基于变分模态分解与集成深度模型的锂电池剩余寿命预测方法 被引量：30
8
作者 王冉 后麒麟 +2 位作者 石如玉 周雁翔 胡雄 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第4期111-120,共10页
锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要。由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差。针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型... 锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要。由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差。针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型的锂电池剩余寿命预测方法。首先,采用变分模态分解将锂电池容量数据进行多尺度分解,得到信号的全局退化趋势和局部随机波动分量;然后,分别采用多层感知机(MLP)和长短期记忆神经网络(LSTM)对全局退化趋势和各波动分量进行建模;最后,将各个分量子模型的预测结果进行集成,获得最终的锂电池剩余寿命预测结果。实验结果表明,该方法具有较高的预测精度与稳定性。 展开更多
关键词 锂电池剩余寿命预测 变分模态分解 长短期记忆神经网络 多层感知机 集成深度模型
下载PDF
机车蓄电池智能充放电测试及数据分析装置的应用 被引量：2
9
作者 张煜菲 《中国高新科技》 2023年第12期145-146,149,共3页
为保证电池在关键时刻保证设备的正常可靠供电,必须对机车蓄电池定期进行充放电测试。文章对电池的活化处理进行研究,保证电池的容量正常。对电池的状态(容量)进行检测,及时发现故障或容量下降过多的电池。对各个蓄电池的各项数据进行... 为保证电池在关键时刻保证设备的正常可靠供电,必须对机车蓄电池定期进行充放电测试。文章对电池的活化处理进行研究,保证电池的容量正常。对电池的状态(容量)进行检测,及时发现故障或容量下降过多的电池。对各个蓄电池的各项数据进行统一管理,对蓄电池剩余寿命(Remaining Useful Life,RUL)进行预测。 展开更多
关键词 蓄电池充放电 蓄电池测试 蓄电池剩余寿命预测
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