文献

J-GLOBAL ID：201702217777244036   整理番号：17A0754963

リチウムイオン電池の余有効寿命を推定するための粒子学習フレームワーク【Powered by NICT】

Particle Learning Framework for Estimating the Remaining Useful Life of Lithium-Ion Batteries

著者 (6件)： Liu Zhenbao (Northwestern Polytechnical University, Xi’an, China) ,  Sun Gaoyuan (Northwestern Polytechnical University, Xi’an, China) ,  Bu Shuhui (Northwestern Polytechnical University, Xi’an, China) ,  Han Junwei (Northwestern Polytechnical University, Xi’an, China) ,  Tang Xiaojun (Northwestern Polytechnical University, Xi’an, China) ,  Pecht Michael (Center for Advanced Life Cycle Engineering, University of Maryland, College Park, MD, USA)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 66  号： 2  ページ： 280-293  発行年： 2017年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 徴候と健全性管理の重要な一部として,リチウム(Li)イオン電池のための正確な残存有効寿命(RUL)予測が事前に電池を維持する場合に有用な参考資料を提供することができる。本論文では,リチウムイオン電池のRULを予測するための新しい方法を示した。この方法は改良された粒子学習(PL)のフレームワークに基づいている。PLフレームワークは電流測定情報を考慮し,次にそれらを伝播すると共に第一再サンプリング状態粒子による粒子縮退を防ぐことができる。一方,PLは,アルゴリズムの実行時間,オンライン応用に適しているを低減するために適応的に各反復での粒子の数を調整することによって改善された。カーネル平滑化アルゴリズムは,PLに融合電池予測モデルを用いた再帰伝搬中の不変パラメータ粒子の分散を保つことである。全方法をPLKSと呼ばれている。新しい測定が得られた場合,モデルは,提案した方法によって最新化することができる。予め定義されたしきい値が誘導されるまで将来容量は更新された予測モデルで予測した反復的に行った。RULはこれらの予測された能力と事前に定義されたしきい値に従って計算した。提案した方法を実証する事例研究,一連の実験を提示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  健全性 ,  予測モデル ,  電流測定 ,  *リチウムイオン電池 ,  予測 ,  不変性 ,  *耐用年数 ,  *電池 ,  モデル ,  *学習 ,  事例研究
準シソーラス用語： オンライン ,  実行時間 ,  リサンプリング , 【Automatic Indexing@JST】

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (5件)： リチウムイオン電池 ,  有効寿命 ,  推定 ,  学習 ,  フレームワーク