基于改进残差网络的锂离子电池故障诊断

摘要：

针对残差网络(ResNet)对特征提取准确率低和拟合度不够的问题,提出一种基于改进残差网络的锂离子电池故障诊断方法.首先,利用Simulink对电池容量变小、内阻变大、充电不足和自放电大等 4 种故障进行故障模拟,得到故障电压数据,作为输入,将首层提取的特征因式分解,分别加到后面的每一层;然后,引入注意力模块(SELayer)分支轻量化;最后,采用反卷积上采样,使远距离残差特征融合,加深特征提取能力,并降低计算量.改进残差网络故障模拟实验表明,与传统的ResNet50、ResNext、DensNet121 和DensNet169 等4 种模型相比,所提模型的诊断准确率从88.63%提高到99.00%以上,参数量从 2 500 万减小到了 2 470 万,收敛速度上也具有一定的优势.

关键词：锂离子电池、特征提取、故障诊断、残差神经网络、注意力模块

所属期刊栏目：53

分类号：TM912.9

资助基金：国家自然科学基金;吉林省自然科学基金

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：257-261