基于深度学习的锂离子电池剩余寿命估计OA北大核心
Remaining Useful Life Estimation for Lithium-ion Battery Using Deep Learning Method
锂离子电池剩余使用寿命(Remaining Useful Life,RUL)的准确预测能够帮助更好地了解锂离子电池的工作状态,人工智能和深度学习的发展为锂离子电池RUL预测提供了新的数据驱动方法.基于自动编码器和深度神经网络,提出了一种深度学习框架的锂离子电池RUL预测方法.通过自动编码器对锂离子电池进行退化特征的提取和融合,以融合特征作为输入、 电池容量作为输出,训练深度神经网络用于多电池RUL预测.将该方法应用于NASA的锂离子电池的真实数据…查看全部>>
曹孟达;张涛;王羽;张亚军;刘亚杰
国防科技大学 系统工程学院, 湖南 长沙 410073国防科技大学 系统工程学院, 湖南 长沙 410073国防科技大学 系统工程学院, 湖南 长沙 410073国防科技大学 系统工程学院, 湖南 长沙 410073国防科技大学 系统工程学院, 湖南 长沙 410073
信息技术与安全科学
锂离子电池剩余寿命估计深度学习自动编码器深度神经网络
《无线电工程》 2021 (7)
641-648,8
面向应急任务的XXX电源系统保障能力评估
评论