文献

J-GLOBAL ID：201702216674536023   整理番号：17A0964300

リカレントニューラルネットワークを用いた電気自動車用電池の診断【Powered by NICT】

Diagnosis of Electric Vehicle Batteries Using Recurrent Neural Networks

著者 (3件)： You Gae-Won (Samsung Advanced Institute of Technology, Suwon, South Korea) ,  Park Sangdo (Samsung Advanced Institute of Technology, Suwon, South Korea) ,  Oh Dukjin (Samsung Advanced Institute of Technology, Suwon, South Korea)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 64  号： 6  ページ： 4885-4893  発行年： 2017年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  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： 電気自動車(EV)システムでは,健康状態(SOH)のような診断電池状態は安全性を保証するために重要である。このような診断は電池の交換時間を決定するために,または走行距離を評価するために用いることができる。最近数十年間の研究の大部分はかなり制約された仮定の下でSOH,一定範囲内および固定温度サイクルなどを定義した。残念なことに,仮定は,実際のEV電池,大部分の任意サイクルに適用できない。明らかに対照的に,本論文では,SOHはより実用的な環境,電池は現実世界の運転パターンをサポートしなければならないで推定できる方法を研究した。本論文では,測定可能な電気自動車用データを用いてSOH,電流(I)と電圧(V)などを追跡するためのデータ駆動型アプローチを提案した。既存データ駆動方式は歴史的I/V分布に基づいているが,提案アプローチでは,時変I/Vインスタンス化を利用し,それぞれが短期間にスナップショットを描く。特に,リカレントニューラルネットワークに基づくモデル,逐次データを処理する高度に適したを設計した。我々の検証は,様々なEV運転条件の下で非常にロバストで柔軟性のある結果を提供し,すべての実験で0.0765Ah(2.46%)よりも低い平均誤差を伴っていた。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： 駆動方式 ,  ロバスト性 ,  電流 ,  安全性 ,  柔軟性 ,  電圧 ,  *電気自動車 ,  モデル ,  走行距離 ,  *電池 ,  熱サイクル
準シソーラス用語： 運転条件 ,  データ駆動 ,  健康状態 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 二次電池  (YB04030K) ,  その他の発電  (NB03140M) ,  燃料電池  (YB04040V)

タイトルに関連する用語 (3件)： リカレントニューラルネットワーク ,  電気自動車用電池 ,  診断