基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种既考虑容量退化、又考虑内阻增长的SOH估计方法,用嵌入式系统中可以直接测量且计算不那么复杂的健康指标来表示.估计结果表明,该方法提高了估计精度47.59%以上,平均减少了29.20%的推理时间.在一个实际的嵌入式系统上使用多个数据集进行了所有测试,以验证所提方法的准确性和有效性.
推荐文章
基于CNN-GRU神经网络的锂电池SOH估计与RUL预测
锂电池
卷积神经网络
门控循环单元
健康状态
剩余有效工作时间
基于IMM-UPF的锂电池寿命估计
锂电池
健康状态
经验模型
交互式多模型
无迹粒子滤波
新型的锂电池荷电状态估算方法
锂电池
荷电状态
扩展卡尔曼滤波
温度影响
估计误差
18650型锂电池荷电状态的估计
锂电池
荷电状态
神经网络
k-均值
联合仿真
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 实时嵌入式应用的锂电池新型SOH估计方法
来源期刊 单片机与嵌入式系统应用 学科
关键词 嵌入式系统 锂电池 BMS SOH
年,卷(期) 2021,(10) 所属期刊栏目 技术纵横|TECHNOLOGY REVIEW
研究方向 页码范围 45-48,53
页数 5页 分类号 TM28
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
嵌入式系统
锂电池
BMS
SOH
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
单片机与嵌入式系统应用
月刊
1009-623X
11-4530/V
大16开
北京海淀区学院路37号《单片机与嵌入式系统应用》杂志社
2-765
2001
chi
出版文献量(篇)
7244
总下载数(次)
21
总被引数(次)
40339
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导