文献

J-GLOBAL ID：201802236647584268   整理番号：18A1147439

最適化パラメータを持つハイブリッドデータ駆動法に基づくリチウムイオン電池残存有効寿命の予測【JST・京大機械翻訳】

Prediction of lithium-ion battery remaining useful life based on hybrid data-driven method with optimized parameter

著者 (5件)： Cai Yishan (Institute of Automotive Electronic Technology, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Yang Lin (Institute of Automotive Electronic Technology, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Deng Zhongwei (Institute of Automotive Electronic Technology, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Zhao Xiaowei (Institute of Automotive Electronic Technology, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Deng Hao (Institute of Automotive Electronic Technology, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICPRE  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： リチウムイオン電池の残存寿命(RUL)は電池管理システムの重要なパラメータである。正確な電池RULは,電池寿命がほぼ終了するときに,代替のための参照を提供することができて,安全性リスクを思い出すことができた。電池RUL予測に関する多くの研究がある。しかし,これまで,ほとんどのサンプルに基づくバッテリーRUL予測アルゴリズムの精度問題はまだ解決されていない。一つの方法は,電池RUL予測の複雑な問題を解決するのが難しいので,本論文は,離散灰色モデル(DGM)と関連ベクトルマシン(RVM)を組み合わせた最適化ハイブリッドデータ駆動法を紹介した。この方法は,DGMからの傾向予測とRVMの非線形回帰能力を利用した。アルゴリズムにおけるRVMのカーネルパラメータを,人工魚群アルゴリズム(AFSA)によって最適化した。アルゴリズムは予測結果の信頼区間も提供し,予測結果の確率分布を記述した。NASA電池データセットによる実験データ解析は,パラメータ最適化による電池RUL予測の精度に関する結果誤差と改良に及ぼすカーネルパラメータの影響を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 確率分布 ,  *リチウムイオン電池 ,  *電池 ,  管理システム ,  *最適化 ,  余寿命 ,  信頼区間 ,  *耐用年数 ,  モデル ,  アルゴリズム ,  *予測 ,  安全性
準シソーラス用語： 関連ベクトルマシン ,  電池寿命 ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (7件)： 最適化 ,  パラメータ ,  データ駆動 ,  リチウムイオン電池 ,  残存 ,  有効寿命 ,  予測