典型文献
LSTM神经网络算法对锂电池故障信号检测的研究
文献摘要：
通常对电动汽车电池故障信号检测的研究,通过对电池性能的相关预测与研究为电池使用寿命的延长、汽车动力性能的增强以及安全性能的增大提供了技术上的支持.文中从电池的相关结构原理以及技术构成入手,提出了锂电池故障信号检测研究的具体方法设计,依托长短时记忆(LSTM)神经网络信号对故障电池检测方法进行深度分析研究,对电池故障分析构建具体算法与模型,有效地对电池的容量偏低故障、电压电流故障以及电池内阻偏大等故障进行输出检测,多次实验验证其检测方法的有效性,以便于提高电池整体的应用性能,为后期电池优化改进提供了实验基础.
文献关键词：
电池故障;信号检测;人工智能;LSTM神经网络;模型构建;频谱分析;故障模式诊断
中图分类号：
作者姓名：
孙洁;刘梦;刘晓悦;孙晔;张瑞新
作者机构：
华北理工大学 电气工程学院,河北 唐山 063200;唐山睿泽尔科技有限公司,河北 唐山 063200;北京电信规划设计院有限公司,北京 100048
文献出处：
引用格式：
[1]孙洁;刘梦;刘晓悦;孙晔;张瑞新-.LSTM神经网络算法对锂电池故障信号检测的研究)[J].现代电子技术,2022(03):73-77
A类：
故障模式诊断
B类：
神经网络算法,锂电池,电池故障,故障信号,信号检测,电动汽车电池,电池性能,汽车动力性,动力性能,安全性能,结构原理,技术构成,具体方法,方法设计,托长,长短时记忆,网络信号,电池检测,深度分析,故障分析,电压电流,电池内阻,偏大,应用性能,优化改进,频谱分析
AB值：
0.335807
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。
