典型文献
基于注意力机制和多任务LSTM的锂电池容量预测方法
文献摘要：
精确的锂电池容量预测可以有效降低电池失效带来的风险与损失.基于神经网络的时间序列预测模型是电池容量预测领域中十分常见的方法.但是,过去的模型预测大多只考虑了未来的目标点,而没有考虑目标点附近信息对预测目标的辅助作用.提出一种基于注意力机制和多任务LSTM的锂电池容量预测方法(MT-LSTM),实现未来不同时刻信息的互补,提高预测的准确性,其中使用硬参数共享方法建立多个任务之间的联系,使用卷积神经网络提取不同抽象水平的特征.通过注意力机制与LSTM模型的结合,有效地提高电池容量预测精度.将所提出的MT-LSTM模型与传统神经网络进行对比,试验结果表明所提模型有更高的预测精度.此外为多任务学习与注意力机制设计了对比试验,验证了这两种方法对电车容量预测精度的积极影响.
文献关键词：
电池容量预测;长短期记忆神经网络;注意力机制;多任务学习
中图分类号：
作者姓名：
鲁南;欧阳权;黄俍卉;王志胜
作者机构：
南京航空航天大学自动化学院 南京 211106;浙江科技学院自动化与电气工程学院 杭州 310023
文献出处：
引用格式：
[1]鲁南;欧阳权;黄俍卉;王志胜-.基于注意力机制和多任务LSTM的锂电池容量预测方法)[J].电气工程学报,2022(04):41-50
A类：
B类：
注意力机制,锂电池,电池容量预测,电池失效,时间序列预测模型,多只,标点,辅助作用,MT,不同时刻,硬参数共享,共享方法,多任务学习,机制设计,电车,长短期记忆神经网络
AB值：
0.182746
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。
