典型文献
基于NARX动态神经网络的锂离子电池剩余寿命间接预测
文献摘要：
锂离子电池的直接健康因子难以实现在线测量,针对此问题,提出一种基于动态神经网络时间序列的锂离子电池剩余寿命(Remaining useful life,RUL)间接预测方法.首先根据锂离子电池的放电数据,提出放电截止时间,恒流放电时间以及放电峰值温度时间三种间接健康因子并进行灰色关联分析(Grey relation analysis,GRA).然后,基于非线性自回归(Nonlinear autoregressive models with exogenous inputs,NARX)动态神经网络建立锂离子电池RUL预测模型.最后将粒子群优化前馈神经网络(Back propagation neural network based on particle swarm optimization,BPNN-PSO),最小二乘支持向量机(Least square support vector machine,LS-SVM),极限学习机(extreme learning machine,ELM),闭环(Closed-loop)NARX和开环(Open-loop)NARX进行对比分析,验证了所提方法的优越性.
文献关键词：
锂离子电池;剩余寿命;健康因子;灰色关联分析;非线性自回归
中图分类号：
作者姓名：
魏孟;王桥;叶敏;李嘉波;徐信芯
作者机构：
长安大学工程机械学院公路养护装备国家工程实验室,西安 710064
文献出处：
引用格式：
[1]魏孟;王桥;叶敏;李嘉波;徐信芯-.基于NARX动态神经网络的锂离子电池剩余寿命间接预测)[J].工程科学学报,2022(03):380-388
A类：
B类：
NARX,动态神经网络,锂离子电池,剩余寿命,难以实现,在线测量,网络时间,Remaining,useful,life,RUL,截止时间,恒流放电,峰值温度,种间,间接健康因子,灰色关联分析,Grey,relation,analysis,GRA,非线性自回归,Nonlinear,autoregressive,models,exogenous,inputs,粒子群优化,前馈神经网络,Back,propagation,neural,network,particle,swarm,optimization,BPNN,PSO,最小二乘支持向量机,Least,square,support,vector,machine,LS,极限学习机,extreme,learning,ELM,Closed,loop,开环,Open
AB值：
0.423376
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。
