基于多尺度分解和深度学习的锂电池寿命预测

• 作者: 余建波 胡天中
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 锂电池 剩余寿命预测(RUL) 多尺度分析 深度置信网络 长短期记忆网络(LSTM)
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 机械与能源工程
• 页码范围: 1852-1864
• 页数: 13页
• 分类号: TH165|TN911
• 字数: 7316字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.10.002

摘要

针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络(DBN)和长短期记忆网络(LSTM),分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果.实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余建波	同济大学机械与能源工程学院	64	193	8.0	10.0
2	胡天中	同济大学机械与能源工程学院	2	0	0.0	0.0