-
题名基于改进CNN和信息融合的动力电池组故障诊断方法
被引量：11
- 1
-
-
作者
彭运赛
夏飞
袁博
王志成
罗志疆
-
机构
上海电力大学自动化工程学院
国家电网南瑞集团公司
国家电网浙江送变电有限公司
国家电网淮北供电公司
-
出处
《汽车工程》
EI
CSCD
北大核心
2020年第11期1529-1536,共8页
-
基金
国家重点研发计划(2017YFE0100900)
国家自然科学基金重大项目(71690234)资助。
-
文摘
本文中提出一种基于改进CNN和信息融合的锂离子电池组故障诊断方法。首先,在全连接层前加入Concat层,以融合不同层次的特征,建立改进的CNN模型。然后,采用MCE准则来优化交叉熵损失函数,解决其在非标签维梯度不做处理的问题。针对人工确定CNN卷积核结构存在的不够实用的问题,利用BIC准则确定模型最优卷积核结构。采用以上改进CNN进行诊断后,引入确诊条件进行判断。对不符合确诊条件的诊断结果,进一步采用一般CNN网络进行辅助诊断。通过将初步诊断结果和辅助诊断结果采用D-S证据理论进行融合的方法,得到最终的诊断结果。测试结果表明,本文中提出的方法可有效提高动力电池组的故障诊断准确率。
-
关键词
锂离子电池组
故障诊断
卷积神经网络
BIC准则
信息融合
-
Keywords
lithium-ion battery pack
fault diagnosis
convolutional neural network
BIC criterion
information fusion
-
分类号
TM9
[电气工程—电力电子与电力传动]
-
