期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计
1
作者
徐志成
杨达
+2 位作者
张闯
陈占群
张献
《电工技术学报》
北大核心
2025年第17期5683-5702,共20页
容量是衡量电池性能的关键指标,当前容量估计存在特征实用性差、模型准确度与泛化性不足的问题。鉴于此,该文提出一种结合极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计方法。首先,利用恒压电流和弛豫电压衰减的去极化特...
容量是衡量电池性能的关键指标,当前容量估计存在特征实用性差、模型准确度与泛化性不足的问题。鉴于此,该文提出一种结合极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计方法。首先,利用恒压电流和弛豫电压衰减的去极化特性,提取不受充电起点影响的多维实用特征,同时引入相关系数法和主成分分析法对特征进行预处理以用于容量在线估计;其次,通过融合深度置信网络(DBN)、长短期记忆网络(LSTM)和挤压-激励(SE)机制,构建具有自适应通道关注能力的混合神经网络以提高容量估计精度;最后,利用多种工况、多种材料的电池数据,对所提的方法进行了验证。结果表明,容量估计的平均绝对百分比误差、方均根百分比误差分别在1.2%、1.5%以内,验证了该方法的准确性与有效性。
展开更多
关键词
锂离子电池
容量在线估计
极化衰减特征
混合神经网络
通道注意力
在线阅读
下载PDF
职称材料
题名
基于极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计
1
作者
徐志成
杨达
张闯
陈占群
张献
机构
智能配用电装备与系统全国重点实验室(河北工业大学)
河北省电磁场与电器可靠性重点实验室(河北工业大学)
保定市尤耐特电气有限公司
出处
《电工技术学报》
北大核心
2025年第17期5683-5702,共20页
基金
国家自然科学基金项目(52307238)
省部共建电工装备可靠性与智能化国家重点实验室优秀青年创新基金项目(EERI_OY2023007)
+2 种基金
河北省省级科技计划(225676163GH)
河北省燕赵青年科学家项目(E2024202109)
天津市重点项目(22JCZDJC00620)资助。
文摘
容量是衡量电池性能的关键指标,当前容量估计存在特征实用性差、模型准确度与泛化性不足的问题。鉴于此,该文提出一种结合极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计方法。首先,利用恒压电流和弛豫电压衰减的去极化特性,提取不受充电起点影响的多维实用特征,同时引入相关系数法和主成分分析法对特征进行预处理以用于容量在线估计;其次,通过融合深度置信网络(DBN)、长短期记忆网络(LSTM)和挤压-激励(SE)机制,构建具有自适应通道关注能力的混合神经网络以提高容量估计精度;最后,利用多种工况、多种材料的电池数据,对所提的方法进行了验证。结果表明,容量估计的平均绝对百分比误差、方均根百分比误差分别在1.2%、1.5%以内,验证了该方法的准确性与有效性。
关键词
锂离子电池
容量在线估计
极化衰减特征
混合神经网络
通道注意力
Keywords
Lithium-ion battery
capacity estimation online
polarization decay feature
hybrid neural network
channel attention
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于极化衰减特征与通道关注混合神经网络的锂离子电池容量在线估计
徐志成
杨达
张闯
陈占群
张献
《电工技术学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
