典型文献
基于鲸鱼算法优化长短时记忆神经网络的锂电池剩余寿命预测
文献摘要：
为确保锂电池在军用无人机以及新能源汽车使用期间的安全性,需要对其进行全生命周期的健康监测和寿命预测.针对长短期记忆神经网络(long short-term memory,LSTM)模型参数较难选取导致所建立的锂电池剩余使用寿命预测方法精度不足问题,提出了一种基于鲸鱼优化算法(whale optimization algorithm,WOA)对LSTM的剩余寿命预测模型进行优化.首先,使用WOA算法对LSTM的隐含层神经元数量、学习率进行寻优,避免经验选取参数的盲目性;其次,将寻优后的超参数重新赋值给LSTM网络,构建与锂电池数据特征更为匹配的预测模型;最后,采用NASA PCoE实验室锂电池的失效数据集验证算法的有效性.仿真结果表明,所提出的预测模型相较于LSTM模型、Elman模型、PSO-LSTM模型的精度平均分别提升了7％、4％、3％,具有较好的预测效果.
文献关键词：
锂离子电池;剩余使用寿命;鲸鱼优化算法;长短期记忆神经网络
中图分类号：
作者姓名：
郝可青;吕志刚;邸若海;朱鸿杰
作者机构：
西安工业大学兵器科学与技术学院, 西安710021;西安工业大学电子信息工程学院, 西安710021;西安工业大学机电工程学院,西安710021
文献出处：
引用格式：
[1]郝可青;吕志刚;邸若海;朱鸿杰-.基于鲸鱼算法优化长短时记忆神经网络的锂电池剩余寿命预测)[J].科学技术与工程,2022(29):12900-12908
A类：
B类：
鲸鱼算法,算法优化,长短时记忆神经网络,锂电池,军用无人机,新能源汽车,使用期,健康监测,长短期记忆神经网络,long,short,term,memory,剩余使用寿命预测,寿命预测方法,不足问题,鲸鱼优化算法,whale,optimization,algorithm,WOA,剩余寿命预测模型,隐含层,学习率,盲目性,超参数,数重,赋值,数据特征,NASA,PCoE,失效数据,数据集验证,Elman,PSO,平均分,锂离子电池
AB值：
0.325971
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。
