《电子测量技术杂志》发表论文赏析

基于CNN-BiLSTM网络的锂离子电池健康状态检测方法

来源:电子测量技术杂志2023年第3期北京时间:

作者:朱振宇,高德欣

单位:青岛科技大学自动化与电子工程学院 青岛 266061

摘要:锂离子电池健康状态(SOH)是锂离子电池可靠运行的重要参考指标,为提高电池健康状态检测的精确性,提出一种基于CNN-BiLSTM网络的锂电池健康状态检测方法。该方法使用CALCE锂离子电池容量衰减数据集,提取电池健康因子(HI)作为模型输入数据,同时利用灰色关联分析法(GRA)验证HI选取的合理性,采用卷积神经网络(CNN)、双向长短期记忆神经网络(BiLSTM)构建网络模型,对电池容量进行预测,实现锂离子电池健康状态检测。实验结果表明,该方法SOH检测的平均绝对误差为1.3%,均方根误差为1.78%,精确度和可靠性较高。

关键词:锂电池;健康状态;卷积神经网络;双向长短期记忆神经网络

基金资助:山东省重点研发计划项目(公益类)(2019GGX101012)、山东省高等学校科学技术计划项目(J18KA323)资助

2023年3期其他文献查阅:

一种低功耗CMOS晶体振荡器电路设计

太赫兹石墨烯贴片式高温传感器的设计与研究

基于交流链接技术的LLC谐振变换器及控制算法

基于BERT和知识蒸馏的航空维修领域命名实体识别

燃料电池观光车系统建模与能量管理的研究

模糊PID在带电作业机器人液压系统中的研究

高准确度交流电压标准源电路设计与实现

基于多探测器融合的非视线链路通信系统研究

面向复杂环境的圆形标志高精度定位方法

一种超声治疗仪的自动跟踪锁频电路设计

基于自适应波谱斜率的海面风速反演算法研究

皮秒分辨率数字可编程精密延迟触发技术

一种飞机姿态融合算法研究

卫星时滞系统的强跟踪鲁棒扩展Kalman滤波

基于GWO-XGBoost泥石流灾害预测

基于改进混合蛙跳算法的测试数据自动生成

积分对象模型预测控制研究

基于Arduino和STM32的主动式手部训练系统

基于时空和频域特征的EEG帕金森疾病识别

基于CNN-BiLSTM网络的锂离子电池健康状态检测方法

基于GCC-MSSA的变压器局放超声内部定位方法

基于多尺度特征融合与混合注意力的云检测算法

基于时空自适应图卷积网络的跌倒检测算法

基于改进YOLOv5的输电线路鸟巢缺陷检测方法

结合空频域多尺度特征的植株叶片分割方法

基于PSO的多层开孔电磁屏蔽结构优化设计

基于CWT和CooAtten-Resnet的弧齿锥齿轮箱故障诊断方法研究

基于IEWT-DELM的行星齿轮箱故障诊断

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!