基于极限学习机的锂电池健康状态预测

• 作者: 金馨 陈婕
• 来源期刊: 软件
• 学科: 工学
• 关键词: 神经网络 极限学习机 锂电池 健康状态 预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 191-196
• 页数: 6页
• 分类号: TP181
• 字数: 4047字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2018.02.039

摘要

使用传统的物理化学方法来预测锂电池的健康状态效率低下且精度不高.为此,本文提出使用极限学习机来对蓄电池的健康状态进行预测.首先对提取出的特征数据集进行归一化预处理;然后,在训练集上使用网格搜索技术优化极限学习机的模型参数.在测试集上和其他方法的对比实验结果表明:基于极限学习机的锂电池健康状态预测方法性能优秀,有着实际应用的前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈婕		4	11	2.0	3.0
2	金馨		2	3	1.0	1.0