典型文献
基于灰色关联度分析-长短期记忆神经网络的锂离子电池健康状态估计
文献摘要：
电池的健康状态是电池健康管理的核心,准确的锂离子电池健康状态估计对保证电池安全、可靠、长寿命运行具有重要意义.为此,该文提出了一种基于增量容量曲线和灰色关联度分析(GRA)以及长短期记忆(LSTM)神经网络的锂离子电池健康状态估计方法.该方法通过分析电池在老化过程中的充电增量容量曲线变化模式,提取电池老化特征.为了降低计算复杂度,引入灰色关联度分析法进行特征分析与筛选,并将其作为长短时间记忆神经网络的输入,进行网络预训练进而估计电池的健康状态.最后,利用三种不同工况的电池加速老化测试数据集对所提出的健康状态估计方法进行了验证.实验结果表明,所提出的方法表现出优秀的电池健康状态估计性能,并在不同工况以及不同训练循环周期数条件下表现出良好的鲁棒性.
文献关键词：
锂离子电池;健康状态估计;增量容量曲线;灰色关联度分析;长短期记忆神经网络
中图分类号：
作者姓名：
周才杰;汪玉洁;李凯铨;陈宗海
作者机构：
中国科学技术大学自动化系 合肥 230027
文献出处：
引用格式：
[1]周才杰;汪玉洁;李凯铨;陈宗海-.基于灰色关联度分析-长短期记忆神经网络的锂离子电池健康状态估计)[J].电工技术学报,2022(23):6065-6073
A类：
增量容量曲线
B类：
长短期记忆神经网络,锂离子电池,电池健康状态,健康状态估计,电池安全,长寿命运行,GRA,估计方法,老化过程,曲线变化,电池老化,老化特征,低计算复杂度,灰色关联度分析法,时间记忆,预训练,不同工况,加速老化,老化测试,测试数据,循环周期,期数,数条
AB值：
0.199839
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。
