典型文献
基于等压升充电时间的镍镉蓄电池SOH预测
文献摘要：
动车组镍镉蓄电池健康状态会影响列车运行安全,但由于动车组运行工况复杂,导致现有方法无法较好地在线监测电池健康状态.为研究蓄电池健康状态变化趋势和实现在线预测,假设蓄电池在通过充电机充电的过程中无放电过程.为此,提出基于等压升充电时间的蓄电池健康状态在线预测方法,该方法通过对基于移动电压窗口的等压升充电时间与蓄电池健康状态综合相关性分析以确定最佳的等压升电压区间(即充电起始电压与截止电压之间),再通过等压升电压区间提取最佳等压升充电时间作为长短期记忆网络模型输入,利用麻雀搜索算法对长短期记忆网络参数寻优,建立蓄电池健康状态预测模型,实现了蓄电池健康状态的在线预测.试验结果表明,相较于传统长短期记忆网络和反向传播神经网络,基于麻雀搜索算法优化长短期记忆网络的蓄电池健康状态预测模型具有更高的预测精度.
文献关键词：
动车组;镍镉蓄电池;SOH预测;等压升充电时间;SSA-LSTM
中图分类号：
作者姓名：
孙宁;王升晖;于天剑;代毅
作者机构：
中车青岛四方机车车辆股份有限公司,山东青岛 266111;中南大学交通运输工程学院,湖南长沙 410075
文献出处：
引用格式：
[1]孙宁;王升晖;于天剑;代毅-.基于等压升充电时间的镍镉蓄电池SOH预测)[J].机车电传动,2022(05):103-108
A类：
等压升充电时间,镍镉蓄电池
B类：
SOH,动车组,列车运行安全,运行工况,在线监测,状态变化,在线预测,过充电,充电机,放电过程,电压窗口,截止电压,长短期记忆网络模型,模型输入,麻雀搜索算法,网络参数,参数寻优,电池健康状态预测,反向传播神经网络,算法优化,SSA
AB值：
0.14215
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。
