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
基于集成学习与数据驱动的电动汽车动力电池多维度故障预警
被引量：
5
1
作者
王健俊
陈豪
付元承
《汽车安全与节能学报》
CAS
CSCD
北大核心
2024年第3期368-378,共11页
针对汽车动力电池风险预测中单一算法在非均衡数据集上性能欠佳,以及分析维度不足等问题,提出一种建立在多维特征之上的数据驱动多模型集成学习方法以实现电池故障预警。根据内外部因素从电池状态、行驶状况、历史信息和时间环境多方面...
针对汽车动力电池风险预测中单一算法在非均衡数据集上性能欠佳,以及分析维度不足等问题,提出一种建立在多维特征之上的数据驱动多模型集成学习方法以实现电池故障预警。根据内外部因素从电池状态、行驶状况、历史信息和时间环境多方面提取特征,以还原真实应用场景;通过FilterWrapper法剔除冗余无效信息来进行特征筛选,以提高鲁棒性;在Bayes优化结合网格搜索法完成超参数调优的基础上,构建了以SVM、LightGBM和XGBoost为初级学习器、LR为次级学习器的异质集成Stacking模型。结果表明:考虑了外部特征后的融合模型在评估指标上综合表现最好,其中在中、高等级的故障预警上召回率分别达到了85.81%和88.92%,相较传统仅考虑电池内部特征的单一模型有着更好的预测精度和泛化能力。
展开更多
关键词
汽车动力电池
故障预警
Stacking集成学习
多维度特征
在线阅读
下载PDF
职称材料
题名
基于集成学习与数据驱动的电动汽车动力电池多维度故障预警
被引量：
5
1
作者
王健俊
陈豪
付元承
机构
浙江吉利
汽车
有限公司
重庆理工大学汽车零部件先进制造技术重点实验室
重庆理工大学
云会计大数据智能研究所
出处
《汽车安全与节能学报》
CAS
CSCD
北大核心
2024年第3期368-378,共11页
基金
重庆市自然科学基金资助项目(cstc2019jcyj-msxmX0226)。
文摘
针对汽车动力电池风险预测中单一算法在非均衡数据集上性能欠佳,以及分析维度不足等问题,提出一种建立在多维特征之上的数据驱动多模型集成学习方法以实现电池故障预警。根据内外部因素从电池状态、行驶状况、历史信息和时间环境多方面提取特征,以还原真实应用场景;通过FilterWrapper法剔除冗余无效信息来进行特征筛选,以提高鲁棒性;在Bayes优化结合网格搜索法完成超参数调优的基础上,构建了以SVM、LightGBM和XGBoost为初级学习器、LR为次级学习器的异质集成Stacking模型。结果表明:考虑了外部特征后的融合模型在评估指标上综合表现最好,其中在中、高等级的故障预警上召回率分别达到了85.81%和88.92%,相较传统仅考虑电池内部特征的单一模型有着更好的预测精度和泛化能力。
关键词
汽车动力电池
故障预警
Stacking集成学习
多维度特征
Keywords
vehicle power battery
early warning of fault
Stacking ensemble learning
multi-dimensional feature
分类号
U472 [机械工程—车辆工程]
TM911 [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
基于集成学习与数据驱动的电动汽车动力电池多维度故障预警
王健俊
陈豪
付元承
《汽车安全与节能学报》
CAS
CSCD
北大核心
2024
5
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
