PSO优化的BiLSTM-Attention网络的锂电池健康状态评估

• 作者: 张永 辛宇琪 钱启政 解进 冉少林
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 锂离子电池 双向长短期记忆神经网络 注意力机制 健康状态
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 基于大数据的故障诊断与预测理论及技术(专题)
• 页码范围: 287-293
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20210240

摘要

锂离子电池作为一种高效的储能元件,被广泛应用到生产生活的各个领域,其健康状态事关系统的安全性,受到越来越多的重视.基于粒子群优化算法,优化了具有注意力机制的双向长短期记忆网络,实现了锂离子电池的健康评估.首先,考虑到锂电池数据的时序特征,采取了一种双向长短期记忆网络提高预测效果,并且引入注意力机制解决信息过载问题,提高任务处理的效率和准确性.接着,利用粒子群优化算法优化网络模型结构的参数,获得高效的锂电池健康状态估计.最后,引入NASA锂离子电池数据集.实验结果验证了所提方法的有效性.