典型文献
基于深度学习的锌电积电化学阻抗谱等效电路的高效识别
文献摘要：
针对电化学阻抗等效电路识别问题,提出将卷积神经网络(Convolution Neural Network,CNN)与长短时记忆神经网络(Long Short-Term Memory,LSTM)相结合的CNN-LSTM深度学习模型,通过收集典型锌电积电化学过程等效电路和对应的电化学阻抗谱(EIS)数据,将数据预处理后进入卷积神经网络中以提取电化学阻抗谱(EIS)的特征信息,利用堆叠的长短时记忆网络提取EIS前后数据时间维度关联的深层次序列特征,最终得出等效电路选取结果.相较于CNN、LSTM以及对应的改进模型,CNN-LSTM模型选取等效电路准确率高,可达到90.87％,识别效果更佳.将该方法应用于真实锌电积的EIS分析,结果显示:CNN-LSTM模型预测真实电化学阻抗谱所属等效电路的概率分布与电化学软件拟合结果一致.CNN-LSTM模型可用于对锌电积过程电化学阻抗谱的等效电路的识别.
文献关键词：
电化学阻抗谱(EIS);等效电路;模型识别;卷积神经网络;长短时记忆神经网络
中图分类号：
作者姓名：
高博斌;杨长江;常军
作者机构：
昆明理工大学冶金与能源工程学院,昆明650093;铜仁学院材料与化学工程学院,贵州铜仁554300
文献出处：
引用格式：
[1]高博斌;杨长江;常军-.基于深度学习的锌电积电化学阻抗谱等效电路的高效识别)[J].矿冶,2022(03):59-66
A类：
B类：
锌电积,电化学阻抗谱,等效电路,Convolution,Neural,Network,长短时记忆神经网络,Long,Short,Term,Memory,深度学习模型,化学过程,EIS,数据预处理,特征信息,堆叠,长短时记忆网络,时间维度,层次序列,序列特征,改进模型,模型选取,概率分布,化学软件,模型识别
AB值：
0.209882
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。
