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
2
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WOA-ELM的锂离子电池剩余寿命间接预测
被引量：
17
1
作者
赵沁峰
蔡艳平
王新军
《中国测试》
CAS
北大核心
2021年第9期138-145,共8页
针对标准极限学习机在预测锂离子电池寿命方面算法不稳定以及使用电池容量作为健康因子不易直接测量的问题,提出一种基于等压降放电时间的鲸鱼优化算法(whale optimization algorithm,WOA)优化极限学习机(extreme learning machine,ELM...
针对标准极限学习机在预测锂离子电池寿命方面算法不稳定以及使用电池容量作为健康因子不易直接测量的问题,提出一种基于等压降放电时间的鲸鱼优化算法(whale optimization algorithm,WOA)优化极限学习机(extreme learning machine,ELM)的锂电池剩余寿命间接预测的方法。首先提取电池等压降放电时间作为锂电池间接健康因子,然后引入鲸鱼优化算法对极限学习机的模型参数进行优化,将电池放电截止电压影响因子融合,建立锂离子电池剩余寿命间接预测模型,最后通过NASA卓越预测中心的锂离子电池数据集B0005、B0006、B0007、B0018对提出的方法进行有效性和稳定性验证。实验结果表明:基于鲸鱼优化算法的极限学习机建立的锂离子电池RUL预测模型与标准极限学习机预测模型相比,操作复杂度较低,多次预测结果稳定,测试精度得到一定提升,模型适用性能较好。
展开更多
关键词
锂离子电池
等压降放电时间
剩余寿命
鲸鱼优化算法
极限学习机
在线阅读
下载PDF
职称材料
基于Elman神经网络的锂离子电池RUL间接预测研究
被引量：
18
2
作者
李练兵
祝亚尊
+2 位作者
田永嘉
安子腾
王玲珑
《电源技术》
CAS
北大核心
2019年第6期1027-1031,共5页
锂离子电池实际容量常采用安时积分法得到,存在测量精度差及累积误差的问题。提出了一种利用锂离子电池循环充放电监测参数(电压、时间、内阻、温度等)构建间接健康因子的方法,实现了电池健康状态的间接预测。选择等压降放电时间作为间...
锂离子电池实际容量常采用安时积分法得到,存在测量精度差及累积误差的问题。提出了一种利用锂离子电池循环充放电监测参数(电压、时间、内阻、温度等)构建间接健康因子的方法,实现了电池健康状态的间接预测。选择等压降放电时间作为间接健康因子,通过灰色关联分析法验证了其与锂离子电池实际容量的强鲁棒性。构建基于Elman神经网络的剩余使用寿命(remaining useful life,RUL)预测模型。采用NASA 公开的锂离子电池数据集进行测试,结果表明提出的方法框架可以有效地进行电池RUL的间接预测,得到精确的预测结果。
展开更多
关键词
锂离子电池
剩余使用寿命
等压降放电时间
灰色关联分析
ELMAN神经网络
在线阅读
下载PDF
职称材料
题名
基于WOA-ELM的锂离子电池剩余寿命间接预测
被引量：
17
1
作者
赵沁峰
蔡艳平
王新军
机构
火箭军工程大学
出处
《中国测试》
CAS
北大核心
2021年第9期138-145,共8页
文摘
针对标准极限学习机在预测锂离子电池寿命方面算法不稳定以及使用电池容量作为健康因子不易直接测量的问题,提出一种基于等压降放电时间的鲸鱼优化算法(whale optimization algorithm,WOA)优化极限学习机(extreme learning machine,ELM)的锂电池剩余寿命间接预测的方法。首先提取电池等压降放电时间作为锂电池间接健康因子,然后引入鲸鱼优化算法对极限学习机的模型参数进行优化,将电池放电截止电压影响因子融合,建立锂离子电池剩余寿命间接预测模型,最后通过NASA卓越预测中心的锂离子电池数据集B0005、B0006、B0007、B0018对提出的方法进行有效性和稳定性验证。实验结果表明:基于鲸鱼优化算法的极限学习机建立的锂离子电池RUL预测模型与标准极限学习机预测模型相比,操作复杂度较低,多次预测结果稳定,测试精度得到一定提升,模型适用性能较好。
关键词
锂离子电池
等压降放电时间
剩余寿命
鲸鱼优化算法
极限学习机
Keywords
lithium-ion battery
time interval of equal discharging voltage difference
remaining useful life
whale optimization algorithm
extreme learning machine
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
基于Elman神经网络的锂离子电池RUL间接预测研究
被引量：
18
2
作者
李练兵
祝亚尊
田永嘉
安子腾
王玲珑
机构
河北工业大学控制科学与工程学院
出处
《电源技术》
CAS
北大核心
2019年第6期1027-1031,共5页
文摘
锂离子电池实际容量常采用安时积分法得到,存在测量精度差及累积误差的问题。提出了一种利用锂离子电池循环充放电监测参数(电压、时间、内阻、温度等)构建间接健康因子的方法,实现了电池健康状态的间接预测。选择等压降放电时间作为间接健康因子,通过灰色关联分析法验证了其与锂离子电池实际容量的强鲁棒性。构建基于Elman神经网络的剩余使用寿命(remaining useful life,RUL)预测模型。采用NASA 公开的锂离子电池数据集进行测试,结果表明提出的方法框架可以有效地进行电池RUL的间接预测,得到精确的预测结果。
关键词
锂离子电池
剩余使用寿命
等压降放电时间
灰色关联分析
ELMAN神经网络
Keywords
lithium-ion battery
remaining useful life
time interval of equal discharging voltage difference
grey correlation analysis
Elman neural network
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WOA-ELM的锂离子电池剩余寿命间接预测
赵沁峰
蔡艳平
王新军
《中国测试》
CAS
北大核心
2021
17
在线阅读
下载PDF
职称材料
2
基于Elman神经网络的锂离子电池RUL间接预测研究
李练兵
祝亚尊
田永嘉
安子腾
王玲珑
《电源技术》
CAS
北大核心
2019
18
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
