期刊专题

10.3969/j.issn.1002-087X.2021.05.009

基于CNN-LSTM的锂电池剩余寿命(RUL)间接预测研究

引用
为了实现对锂离子电池剩余使用寿命(RUL)的实时在线监测并改善预测精度,提出一种基于CNN-LSTM的锂电池RUL间接预测模型.通过灰色关联分析法选定等压降放电时间构建健康因子,用NASA公开的锂电池数据集中的B0005、B0006电池放电周期数据训练出电池容量退化模型和等压降放电时间预测模型,最后结合这两个CNN-LSTM模型为锂电池RUL间接预测模型.实验结果表明该模型具有很好的准确性和鲁棒性,并且模型的实时性和间接预测具有良好现实意义.

剩余使用寿命、锂电池、卷积神经网络、长短时记忆神经网络、健康因子

45

TM912

国家自然科学基金;国家重点研究与发展计划;福建省高校智能地铁重点实验室经费;福建省高校智能地铁重点实验室经费

2021-06-21(万方平台首次上网日期,不代表论文的发表时间)

共6页

589-594

暂无封面信息
查看本期封面目录

电源技术

1002-087X

12-1126/TM

45

2021,45(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn