典型文献
基于GBDT算法的锂电池剩余使用寿命预测
文献摘要：
针对现有方法对锂电池剩余使用寿命(RUL)预测精度不高,模型训练时间较长的问题,提出一种基于梯度提升决策树算法(GBDT)结合网格搜索法(GS)的预测模型.首先,分析锂电池的充放电循环过程,确定电压、电流、温度为可用健康因子(HI);其次,处理历史数据中的异常值,并均值化可用健康因子数据为特征输入;最后,通过GBDT算法建立锂电池剩余使用寿命预测模型,并采用GS优化模型参数.基于NASA锂电池容量衰减数据,实验结果表明,模型在RMSE、MAE、MAPE评价指标上相对其他方法均提升了约10倍,并且可将锂电池剩余使用寿命预测误差率控制在0.05以内,训练时间缩减至4.5 s.
文献关键词：
GBDT;剩余使用寿命;锂电池;网格搜索;健康因子
中图分类号：
作者姓名：
刘琼;张豹
作者机构：
北京信息科技大学自动化学院 北京 100192
文献出处：
引用格式：
[1]刘琼;张豹-.基于GBDT算法的锂电池剩余使用寿命预测)[J].电子测量与仪器学报,2022(10):166-172
A类：
B类：
GBDT,锂电池,剩余使用寿命预测,RUL,模型训练,训练时间,梯度提升决策树算法,网格搜索法,GS,析锂,充放电,循环过程,健康因子,HI,历史数据,异常值,寿命预测模型,NASA,电池容量,容量衰减,减数,RMSE,MAE,MAPE,其他方法,预测误差,误差率,率控制,减至
AB值：
0.314589
相似文献
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。
