文档名：基于自编码与深度神经网络的锂电池循环寿命预测
本文提出了一种基于自动编码器和深层神经网络的综合方法,用于预测锂离子电池的剩余使用寿命(RUL).从原始数据提取基本健康指标后,采用自动编码器模型进行特征融合优化.编码的特征可以有效地代表电池健康状况的退化.然后,引入深神经网络模型来预测锂离子电池的RUL.使用均方根误差(rootmeansquareerror,RMSE)评估所提出的方法在的性能,并将其与一些经典预测方法进行比较.实验结果表明该方法的有效性和优越性.实验使用数据是由NASA提供的真实数据集.
作者：赵世强崔晋孙亚强任磊
作者单位：北京航空航天大学自动化科学与电气工程学院,北京100191
母体文献：2017中国智能物联系统会议论文集
会议名称：2017中国智能物联系统会议
会议时间：2017年11月17日
会议地点：厦门
主办单位：中国仿真学会
语种：chi
分类号：TN9TL3
关键词：锂离子电池 剩余使用寿命 自动编码器 深层神经网络 特征融合
在线出版日期：2020年6月23日
基金项目：
相似文献
相关博文
- 文件大小:
- 618.67 KB
- 下载次数:
- 60
-
高速下载
|
|
