基于分层极限学习机的锂离子电池剩余使用寿命预测OA北大核心CSTPCD
The Remaining Useful Life Prediction of Lithium-Ion Battery Based on Hierarchical Extreme Learning Machine
提前对锂离子电池的剩余使用寿命(RUL)进行预测可以保证电池及其应用设备安全稳定运行.针对目前预测方法的结果滞后且缺乏实际意义等问题,为了利用少量循环数据实现RUL的提前预测,本文基于原始极限学习机和自动编码器构建了分层极限学习机(H-ELM)预测模型.然后选取丰田研究所(TRI)的实验数据集对H-ELM完成了仿真实验验证.实验结果表明,本文提出的H-ELM预测模型可以在电池使用初期预测出RUL,同时预测结果的平均绝对百分比误差(MAPE)仅有10.14%.
史永胜;洪元涛;丁恩松;施梦琢;欧阳
陕西科技大学电气与控制工程学院,陕西 西安710021江苏润寅石墨烯科技有限公司,江苏 扬州225600陕西科技大学电气与控制工程学院,陕西 西安710021江苏润寅石墨烯科技有限公司,江苏 扬州225600陕西科技大学电气与控制工程学院,陕西 西安710021
信息技术与安全科学
锂离子电池剩余使用寿命(RUL)分层极限学习机(H-ELM)
《电子器件》 2021 (3)
低维与高维数学形态学理论框架的统一及应用研究
652-658,7
国家自然科学基金项目(61871259)
评论