基于有监督核自组织映射的锂电池健康状态预测

• 作者: 张代华 张曦 张涧翔 戴中 毕星海
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 自组织映射 核自组织映射 有监督核自组织映射 锂电池健康状态
• 年，卷（期）: 2020,（1）
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP391
• 字数: 4425字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.01.010

摘要

高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性.提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测.首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证.实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张曦	南京医科大学第二附属医院信息中心	34	102	6.0	9.0
2	张代华	南京医科大学第二附属医院信息中心	1	0	0.0	0.0
3	张涧翔	南京医科大学第二附属医院信息中心	1	0	0.0	0.0
4	毕星海	南京医科大学第二附属医院信息中心	1	0	0.0	0.0
5	戴中	南京医科大学第二附属医院信息中心	1	0	0.0	0.0