基于ZYNQ深度学习模型部署的锂电池健康预测

• 作者: 马贵君 冉少林 张泽
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 锂电池 健康预测 深度学习模型 ZYNQ硬件平台
• 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: 294-299
• 页数: 6页
• 分类号: TP2
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20210110

摘要

为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统.首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证.实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条件下锂电池健康管理系统的嵌入式应用需求.