典型文献
数据驱动的锂离子电池智能故障诊断算法
文献摘要：
基于电动汽车实车数据及电化学模型,提出结合电化学参数的数据驱动电池故障诊断算法,增强故障诊断模型在电化学参数层面的解释性.针对实车电化学参数辨识准确性问题,通过对潜在故障片段数据进行敏感度分析,并基于列文伯格-马夸尔特(LM)算法,分阶段辨识电化学模型的相关参数,能较精确地获得潜在片段的电化学参数,且模型预测电压与真实值平均误差小于12 mV.该方法基于实车电池序列特征和电化学参数组合,对实车数据进行筛选和故障类型标定,并用一维卷积神经网络端到端学习实车数据和故障标签的映射关系,平均F1分数为0.8411,平均召回率为0.9335.
文献关键词：
锂离子电池;机器学习;故障诊断;电化学模型;数据驱动
中图分类号：
作者姓名：
朱景哲;张希;高一钊;李家琦
作者机构：
上海交通大学机械与动力工程学院,上海 200240
文献出处：
引用格式：
[1]朱景哲;张希;高一钊;李家琦-.数据驱动的锂离子电池智能故障诊断算法)[J].电池,2022(04):401-405
A类：
B类：
锂离子电池,智能故障诊断,故障诊断算法,电动汽车,实车数据,电化学模型,电化学参数,电池故障,故障诊断模型,数层,解释性,参数辨识,潜在故障,片段数据,敏感度分析,伯格,夸尔,尔特,LM,分阶段,真实值,平均误差,mV,序列特征,数组,故障类型,一维卷积神经网络,端到端,映射关系,召回率
AB值：
0.318658
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。
