搜索筛选:
搜索耗时0.0819秒,为你在为你在102,285,761篇论文里面共找到 6 篇相符的论文内容
发布年度:
[学位论文] 作者：施梦琢,
来源：陕西科技大学 年份：2021
准确的锂离子电池寿命预测技术对电池退化状态评估和电池运行安全至关重要。而传统锂离子电池寿命预测方法预测精度较低且不能给出电池使用前期寿命状态等问题,为此,本文在不依赖电池机理模型和经验退化模型的情况下,结合改进的深度学习算法提出一种多阶段实用......
[期刊论文] 作者：史永胜,洪元涛,丁恩松,施梦琢,欧阳,
来源：电子器件 年份：2020
针对目前利用机器学习方法预测锂离子电池健康状态(SOH)存在的训练时间长和预测精度低的问题,本文提出了一种基于改进型极限学习机(ELM)的SOH预测模型。首先利用灰色关联分析...
[期刊论文] 作者：史永胜,施梦琢,丁恩松,洪元涛,欧阳,
来源：电源技术 年份：2020
针对目前锂离子电池剩余寿命预测模型精度低、泛化性差的问题,在一种基于充放电健康特征提取的锂离子电池剩余寿命估计方法的基础上,增加了健康因子和实际容量之间的相关性分...
[期刊论文] 作者：史永胜,洪元涛,丁恩松,施梦琢,欧阳,
来源：电子器件 年份：2021
提前对锂离子电池的剩余使用寿命(RUL)进行预测可以保证电池及其应用设备安全稳定运行。针对目前预测方法的结果滞后且缺乏实际意义等问题,为了利用少量循环数据实现RUL的提前预测,本文基于原始极限学习机和自动编码器构建了分层极限学习机(H-ELM)预测模型。然......
[期刊论文] 作者：史永胜,施梦琢,丁恩松,洪元涛,欧阳,
来源：工程科学学报 年份：2021
针对目前锂离子电池寿命预测结果不准确的问题,提出了一种多模态分解的锂离子电池组合预测模型,从而学习锂离子电池退化过程的微小变化.该方法在单一长短期记忆(LSTM)预测模...
[期刊论文] 作者：宁青菊,施梦琢,史永胜,丁恩松,洪元涛,欧阳,
来源：陕西科技大学学报 年份：2021
准确预测锂离子电池剩余使用寿命在电池健康管理中起着越来越重要的作用.然而由于直接反映电池退化的内阻、容量等参数在实际应用中的复杂性和不易测量,从侧面评估锂离子电池...
相关搜索：
