基于CEEMDANRVMLSTM模型的锂电池剩余寿命预测
文档名：基于CEEMDANRVMLSTM模型的锂电池剩余寿命预测
摘要：为了提高锂电池长期使用的可靠性和保证系统的安全运行,提出了一种结合自适应噪声完整集合经验模态分解算法(CEEMDAN)、相关向量机(RVM)和长短期记忆神经网络(LSTM)的剩余使用寿命(RUL)的预测方法.使用CEEMDAN将电池容量数据分解为本征模态分量和残差分量,分别由RVM和LSTM进行预测,最后进行有效集成,得到准确的容量和RUL预测结果,并获得RUL的95%置信区间.采用公共数据集进行实验验证,并对比了其他几种模型.实验结果表明该方法不仅拥有较高的预测精度,而且能够提供不确定性表达,具有良好的工程应用意义.
作者：牛群峰袁强王莉刘江鹏Author：NIUQunfengYUANQiangWANGLiLIUJiangpeng
作者单位：河南工业大学电气工程学院,河南郑州450001
刊名：电源技术 ISTICPKU
Journal：ChineseJournalofPowerSources
年，卷(期)：2023, 47(10)
分类号：TM912
关键词：锂电池剩余使用寿命RVMLSTM不确定性表达
Keywords：lithium-ionbatteryremainingusefullifeRVMLSTMuncertaintyexpression
机标分类号：TP391.1P642.22TV698.1
在线出版日期：2023年11月7日
基金项目：河南省科技攻关项目基于CEEMDAN-RVM-LSTM模型的锂电池剩余寿命预测[
期刊论文]电源技术--2023, 47(10)牛群峰袁强王莉刘江鹏为了提高锂电池长期使用的可靠性和保证系统的安全运行,提出了一种结合自适应噪声完整集合经验模态分解算法(CEEMDAN)、相关向量机(RVM)和长短期记忆神经网络(LSTM)的剩余使用寿命(RUL)的预测方法.使用CEEMDAN将电池容量...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于CEEMDAN-RVM-LSTM模型的锂电池剩余寿命预测Remaining life prediction of lithium-ion batteries based on CEEMDAN-RVM-LSTM model
基于CEEMDAN-RVM-LSTM模型的锂电池剩余寿命预测.pdf
页:
[1]