典型文献
基于稀疏数据的电动汽车动力电池热故障预警(英文)
文献摘要：
针对稀疏数据难以准确预警电动汽车动力电池系统热故障和热失控的问题,提出了一种基于长短时记忆网络和迁移学习方法的锂电池热故障预警模型.利用源域密集数据训练该模型,并通过稀疏数据将模型迁移到目标域.在源域训练阶段,利用移动标准差预提取输入数据中的温度相关特征.在目标域训练阶段,提出了放缩指数误差损失函数迁移模型,使故障预警模型自动趋向提取粗糙特征信息,提高温度预测的准确性.试验结果表明,经过迁移学习的神经网络模型能够准确预测电池温度及其变化趋势,对动力电池热故障预警和热失控防控具有重要意义.
文献关键词：
电动汽车;热故障预警;稀疏数据;迁移学习;移动标准差
中图分类号：
作者姓名：
张华钦;洪吉超;陈德龙
作者机构：
北京科技大学机械工程学院,北京100083;北京科技大学顺德创新学院,佛山528000;中国人民解放军国防科技大学系统工程学院,长沙410073
文献出处：
引用格式：
[1]张华钦;洪吉超;陈德龙-.基于稀疏数据的电动汽车动力电池热故障预警(英文))[J].汽车技术,2022(11):24-34
A类：
热故障预警,移动标准差
B类：
稀疏数据,电动汽车,汽车动力电池,动力电池系统,热失控,长短时记忆网络,迁移学习方法,锂电池,预警模型,源域,数据训练,模型迁移,目标域,训练阶段,预提,输入数据,放缩,损失函数,迁移模型,特征信息,温度预测,准确预测,电池温度
AB值：
0.2427
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。
