论文摘要
针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络(DBN)和长短期记忆网络(LSTM),分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果.实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法.
论文目录
文章来源
类型: 期刊论文
作者: 胡天中,余建波
关键词: 锂电池,剩余寿命预测,多尺度分析,深度置信网络,长短期记忆网络
来源: 浙江大学学报(工学版) 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 同济大学机械与能源工程学院
基金: 国家自然科学基金资助项目(51375290,71777173),中央高校基本科研业务费资助项目,上海科委创新科技行动计划资助项目(17511109204)
分类号: TM912;TP181
页码: 1852-1864
总页数: 13
文件大小: 3636K
下载量: 991