典型文献
基于曲线压缩和极限梯度提升算法的锂离子电池健康状态估计
文献摘要：
为了精确地估计锂离子电池的健康状态(SOH),提出了一种基于道格拉斯-普克算法和极限梯度提升(XGBoost)算法的方法.首先对每组电压数据进行预处理,利用道格拉斯-普克算法对每次循环的恒流充电电压曲线进行矢量压缩;在此数据的基础上,运用XGBoost算法建立锂离子电池退化过程模型并估计SOH.对比实验结果表明,所提方法可有效压缩电池电压曲线、降低网络训练数据维度,同时具有较高的预测精度和较快的运行速度,可实现锂离子电池SOH的快速准确估计.
文献关键词：
车辆工程;锂离子电池;健康状态估计;道格拉斯-普克算法;XGBoost算法
中图分类号：
作者姓名：
刘兴涛;刘晓剑;武骥;何耀;刘新天
作者机构：
合肥工业大学汽车与交通工程学院,合肥230009;合肥工业大学安徽省智慧交通车路协同工程研究中心,合肥230009;合肥工业大学汽车工程技术研究院,合肥230009
文献出处：
引用格式：
[1]刘兴涛;刘晓剑;武骥;何耀;刘新天-.基于曲线压缩和极限梯度提升算法的锂离子电池健康状态估计)[J].吉林大学学报（工学版）,2022(06):1273-1280
A类：
B类：
极限梯度提升算法,锂离子电池,电池健康状态,健康状态估计,SOH,道格拉斯,XGBoost,恒流充电,电压曲线,电池退化,过程模型,网络训练,训练数据,数据维度,运行速度,快速准确,车辆工程
AB值：
0.239401
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
