基于改进LSTM的锂离子电池剩余使用寿命预测方法OA
Remaining Useful Life Prediction Method of Li-ion Battery Based on Improved LSTM
为了准确预测锂离子电池剩余使用寿命(Remaining Useful Life,RUL),提出一种基于改进长短期记忆网络(Long Short-Term Memory neural network,LSTM)的锂离子电池RUL预测方法.采用贝叶斯优化(Bayesian Optimi-zation,BO)网络模型超参数和NASA公开的开源数据集进行锂离子电池RUL预测实验,并与现有的LSTM神经网络和支持向量回归(Support Vector…查看全部>>
尹皓;张劲松;封居强
安徽理工大学力学与光电物理学院,安徽淮南,232001安徽理工大学力学与光电物理学院,安徽淮南,232001安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南,232001||淮南师范学院机械与电气工程学院,安徽淮南,232038
动力与电气工程
锂离子电池长短期记忆网络贝叶斯优化剩余使用寿命预测
Li-ion batteryLong short-term memoryBayesian optimizationRemaining useful life prediction
《宿州学院学报》 2023 (9)
1-6,6
国家重点实验室开放基金项目(SKLMRDPC21KF23)淮南市科技局项目(2021A249).
评论