文档名：基于SAMBiGRU网络的锂电池RUL预测
摘要：针对现有锂电池剩余使用寿命(RUL)预测方法精度低等问题,提出一种基于自注意力机制(SAM)的双向门控循环单元(BiGRU)网络模型.将锂电池的容量数据作为该模型输入序列,通过自注意力机制捕捉到锂电池容量历史信息中的关键时间点,并为其分配权重,利用BiGRU模型学习其容量退化趋势,据此实现剩余寿命预测.所提方法应用于CALCE锂电池数据集的CS2系列35、36、37号锂电池,实验结果表明所提方法35、36号锂电池上的预测误差均在1.5％以内,37号锂电池预测误差为2.22％.
作者：朱梦雨 陈富安Author：ZHUMengyu CHENFuan
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(2)
分类号：TM912
关键词：锂电池 剩余使用寿命 自注意力机制 BiGRU
机标分类号：TP391TP183TH122
在线出版日期：2023年3月30日
基金项目：河南省科技攻关项目基于SAM-BiGRU网络的锂电池RUL预测[
期刊论文] 电源技术--2023, 47(2)朱梦雨 陈富安针对现有锂电池剩余使用寿命(RUL)预测方法精度低等问题,提出一种基于自注意力机制(SAM)的双向门控循环单元(BiGRU)网络模型.将锂电池的容量数据作为该模型输入序列,通过自注意力机制捕捉到锂电池容量历史信息中的关键时...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SAM-BiGRU网络的锂电池RUL预测 RUL prediction of lithium battery based on SAM-BiGRU network
基于SAM-BiGRU网络的锂电池RUL预测.pdf
- 文件大小:
- 2.31 MB
- 下载次数:
- 60
-
高速下载
|
