典型文献
基于Adam优化算法和长短期记忆神经网络的锂离子电池荷电状态估计方法
文献摘要：
锂离子电池是电动汽车、无人机及电力电子设备的储能系统组件,对其进行准确的荷电状态(SOC)估计对于正确决策、安全控制和维护具有重要意义.针对锂离子电池SOC估计问题,本文采用长短期记忆(LSTM)神经网络搭建锂离子电池SOC估计模型,将电池电压、电流、温度作为输入,建立多层LSTM预测模型,采用Adam优化算法与Dropout正则化方法完成LSTM模型的训练.测试结果表明,在模型训练过程中加入Adam优化算法与Dropout正则化方法,使模型对实验数据集的非线性和初始荷电状态的不确定性具有鲁棒性.
文献关键词：
锂离子电池;长短期记忆(LSTM)神经网络;Adam优化算法;荷电状态(SOC)估计
中图分类号：
作者姓名：
潘锦业;王苗苗;阚威;高永峰
作者机构：
大连交通大学自动化与电气工程学院,辽宁 大连 116000
文献出处：
引用格式：
[1]潘锦业;王苗苗;阚威;高永峰-.基于Adam优化算法和长短期记忆神经网络的锂离子电池荷电状态估计方法)[J].电气技术,2022(04):25-30,36
A类：
B类：
Adam,长短期记忆神经网络,锂离子电池,电池荷电状态,荷电状态估计,估计方法,电动汽车,电力电子设备,储能系统,SOC,安全控制,护具,Dropout,正则化方法,模型训练,训练过程
AB值：
0.184196
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。
