期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
多角度基于CEEMDAN-CNN-BiLSTM模型的锂离子电池RUL预测
1
作者 郭喜峰 王凯泽 +2 位作者 单丹 郑迪 宁一 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期181-189,共9页
通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神... 通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神经网络相结合的锂离子电池剩余寿命预测方法。选取容量作为健康因子,然后利用CEEMDAN对复杂不平稳数据进行分解,得到稳定的分量。利用1D CNN对锂离子电池容量数据进行深度挖掘,最后利用双BiLSTM神经网络建模对锂离子电池剩余使用寿命(RUL)进行预测。采用NASA数据集和CALCE数据集进行测试,在不同温度与网络参数下进行预测效果对比,并与BiLSTM模型、SVR模型、CNN-BiLSTM模型进行预测对比。 展开更多
关键词 锂离子电池 剩余使用寿命 卷积神经网络 自适应噪声完全集合经验模态分解 双向长短期记忆神经网络
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部