| 注册
首页|期刊导航|工矿自动化|基于多模态深度学习的充电硐室锂电池健康状态预测

基于多模态深度学习的充电硐室锂电池健康状态预测

赵应华 陈安碧 张增誉 李文中 韩宇

工矿自动化2025,Vol.51Issue(5):P.120-128,9.
工矿自动化2025,Vol.51Issue(5):P.120-128,9.DOI:10.13272/j.issn.1671-251x.2025040059

基于多模态深度学习的充电硐室锂电池健康状态预测

赵应华 1陈安碧 2张增誉 3李文中 2韩宇1

作者信息

  • 1. 国能榆林能源有限责任公司青龙寺煤矿分公司,陕西榆林719400
  • 2. 深圳市德塔工业智能电动汽车有限公司,广东深圳518000
  • 3. 国能榆林能源有限责任公司,陕西榆林719400
  • 折叠

摘要

关键词

防爆锂电池/健康状态预测/多模态深度学习/时间卷积网络/双向长短期记忆网络/TCN−BiLSTM−Transformer

分类

矿业与冶金

引用本文复制引用

赵应华,陈安碧,张增誉,李文中,韩宇..基于多模态深度学习的充电硐室锂电池健康状态预测[J].工矿自动化,2025,51(5):P.120-128,9.

基金项目

辽宁省教育厅基础项目(LJ2019JL030) (LJ2019JL030)

国能榆林能源青龙寺煤矿示范项目(YLNY-QLSCB-JF-2023-22)。 (YLNY-QLSCB-JF-2023-22)

工矿自动化

OA北大核心

1671-251X

访问量0
|
下载量0
段落导航相关论文