基于长短期记忆神经网络的健康状态估算

• 作者: 夏雪磊 宋新月 张梦帆 肖仁鑫 肖佳鹏
• 来源期刊: 农业装备与车辆工程
• 学科: 工学
• 关键词: 锂离子电池 健康状态 长短期记忆神经网络算法 学习率优化
• 年，卷（期）: 2020,（4）
• 页码范围: 77-81
• 页数: 5页
• 分类号: TM912
• 字数: 3697字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3142.2020.04.018

摘要

当前电池健康状态估算与预测在处理大量电池数据、时间间隔较长存在一定缺陷.长短期记忆神经网络算法在解决该问题时效果明显.在完成电池循环充放电实验基础之上,分析和提取电池放电过程中外部信号变化的特征指标,以电池放电数据中放电容量、放电时间、循环次数训练并建立了长短期记忆神经网络预测模型,采用3种不同的自适应学习率优化算法对学习训练部分进行优化,最后对比分析模型预测的准确程度.结果表明,长短期记忆神经网络估算电池健康状态的误差小于5％,证明预测模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖仁鑫	云南省昆明市昆明理工大学交通工程学院	3	0	0.0	0.0
2	宋新月	云南省昆明市昆明理工大学交通工程学院	2	0	0.0	0.0
3	张梦帆	云南省昆明市昆明理工大学交通工程学院	3	0	0.0	0.0
4	夏雪磊	云南省昆明市昆明理工大学交通工程学院	3	0	0.0	0.0
5	肖佳鹏	云南省昆明市昆明理工大学交通工程学院	2	0	0.0	0.0