基于卷积自编码神经网络的锂离子电池健康状况评估方法研究

• 作者: 侯瑞磊 范秋华
• 来源期刊: 计算机测量与控制
• 关键词: 锂电池 SOH 卷积 自编码 Softmax
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 试验与评价技术
• 页码范围: 265-269,275
• 页数: 6页
• 分类号: V233.7
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.08.054

摘要

目前锂离子电池已被广泛用作能量存储系统,在手机、电动汽车和飞机中均有广泛的应用;然而锂离子电池在使用过程中存在一定的危险性,若不能及时对电池健康状态评估(SOH)发现危险将会导致十分严重的后果;因此,研究了一种基于卷积神经网络的锂离子电池健康状况评估方法,该方法通过使用卷积自编码神经网络对电池状态数据进行特征提取,有效提升了评估的准确率,并且神经网络能够在使用过程中不断进行学习,具有较高的灵活性,最后通过使用NASA公开的锂电池数据集测试,评估准确率达到93.6％,相比传统方法有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范秋华	青岛大学电气工程学院	13	32	3.0	5.0
2	侯瑞磊	青岛大学电气工程学院	1	0	0.0	0.0