典型文献
动态条件下基于深度学习的锂电池容量估计
文献摘要：
锂离子电池在老化过程中,其内部呈现非线性的复杂变化,因此直接使用动态条件下的锂离子电池运行时段的数据(电流、电压和温度)进行电池健康状态的实时估计是一个具有挑战性的问题.本文中选取锂离子电池随机充放电数据,对动态数据的部分片段进行时频特征提取,组成时频特征矩阵作为输入,构建级联式卷积神经网络和门控循环单元容量估计模型,对输入数据进行内在特征提取,并进一步挖掘各时间序列中的相关特征,实现锂离子电池动态条件下的容量估计.利用美国航空航天局锂离子电池随机使用数据集进行实验验证的结果表明,该方法能在仅已知电池的额定容量的情况下,准确完成锂离子电池容量估计.最后,本文还分析了模型超参数设置、原始数据时序长度、网络输入和模型结构对容量估计精度的影响.
文献关键词：
锂离子电池;容量估计;卷积神经网络;门控循环单元循环神经网络;深度学习
中图分类号：
作者姓名：
毕贵红;谢旭;蔡子龙;骆钊;陈臣鹏;赵鑫
作者机构：
昆明理工大学电力工程学院,昆明 650500
文献出处：
引用格式：
[1]毕贵红;谢旭;蔡子龙;骆钊;陈臣鹏;赵鑫-.动态条件下基于深度学习的锂电池容量估计)[J].汽车工程,2022(06):868-877,885
A类：
B类：
锂电池,电池容量估计,锂离子电池,老化过程,电池健康状态,实时估计,充放电,动态数据,分片,时频特征,特征矩阵,级联式,输入数据,内在特征,美国航空航天局,使用数据,额定,定容,超参数,参数设置,原始数据,模型结构,估计精度,门控循环单元循环神经网络
AB值：
0.245665
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。
