典型文献
基于充电数据的多阶段锂离子电池健康状态估计
文献摘要：
锂离子电池的健康状态估计是锂离子电池寿命评估和健康管理的基础.文中针对实际应用场景中充电数据的缺失,提出一种实用的多阶段电池的健康状态估计方法.研究中根据电压大小,将充电过程划分为3个阶段,分别提出了具有针对性的电池的健康状态估计方法.特别是对于恒流电压过渡阶段,在恒流数据和电压数据都严重缺失地情况下,利用卷积神经网络的数据挖掘能力,直接建立了电压电流数据与电池的健康状态的关系,在锂离子电池的长期老化实验数据研究基础上对所提出的方法进行了验证.结果表明,该方法具有估计精度高、应对严重数据缺失的能力强、对电池不一致性鲁棒性强等优点.
文献关键词：
锂离子电池;健康因子;健康状态估计;机器学习算法;恒流;卷积神经网络
中图分类号：
作者姓名：
魏中宝;阮浩凯;何洪文
作者机构：
北京理工大学机械与车辆学院,北京 100081
文献出处：
引用格式：
[1]魏中宝;阮浩凯;何洪文-.基于充电数据的多阶段锂离子电池健康状态估计)[J].北京理工大学学报,2022(11):1184-1190
A类：
电池不一致
B类：
多阶段,锂离子电池,电池健康状态,健康状态估计,电池寿命,寿命评估,针对实际,估计方法,充电过程,恒流,压过,过渡阶段,流数据,失地,地情,电压电流,长期老化,老化实验,数据研究,估计精度,重数,数据缺失,不一致性,健康因子,机器学习算法
AB值：
0.271869
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。
