文献

J-GLOBAL ID：201902261091339574   整理番号：19A2237576

アンサンブル経験的モード分解と非線形自己回帰ニューラルネットワークに基づくリチウムイオン電池容量のためのマルチスケール融合予測法【JST・京大機械翻訳】

A multi-scale fusion prediction method for lithium-ion battery capacity based on ensemble empirical mode decomposition and nonlinear autoregressive neural networks

著者 (5件)： Wang Pei (School of Astronautics, Northwestern Polytechnical University, Xi’an, China) ,  Wang Pei (National Key Laboratory of Aerospace Flight Dynamics, Northwestern Polytechnical University, Xi’an, China) ,  Dan Xue (School of Astronautics, Northwestern Polytechnical University, Xi’an, China) ,  Dan Xue (National Key Laboratory of Aerospace Flight Dynamics, Northwestern Polytechnical University, Xi’an, China) ,  Yang Yong (State Key Laboratory of Solidification Processing, Center of Advanced Lubrication and Seal Materials, Northwestern Polytechnical University, Xi’an, China)
資料名： International Journal of Distributed Sensor Networks  (International Journal of Distributed Sensor Networks)
巻： 15  号： 3  ページ： 1550147719839637  発行年： 2019年 
JST資料番号： W5250A  ISSN： 1550-1477  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： リチウムイオン電池は,その優れた性能のため様々な分野で広く使われてきた。電池の全寿命を通してその電流容量を正確に予測する方法は,電力系統管理,保証および予測保全のための重要な技術である。リチウムイオン電池容量の長期予測における低精度問題を克服するために,本論文では,アンサンブル経験的モード分解と非線形自己回帰モデルニューラルネットワークに基づくマルチスケール融合予測法を提案した。提案した方法は,異なるスケールで多重固有モード関数成分を生成するために,電池容量測定シーケンスを分解するために,アンサンブル経験的モード分解を用いた。次に,各々の成分は,非線形自己回帰ニューラルネットワークによって予測した。最後に,各成分の予測結果を再構成し,最終電池容量予測シーケンスを得た。実験結果は,提案方法が単一非線形自己回帰ニューラルネットワークより高い予測精度と信号適応性を有することを示した。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電池容量 ,  *予測技法 ,  適応性 ,  *予測 ,  *リチウムイオン電池 ,  再構成 ,  自己回帰モデル ,  長期予測 ,  多重化 ,  *ニューラルネットワーク ,  *電池
準シソーラス用語： 予測精度 ,  固有モード関数 ,  *マルチスケール ,  *自己回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： リチウムイオン電池 ,  容量予測 ,  アンサンブル経験的モード分解 ,  自己回帰モデルニューラルネットワーク

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (9件)： アンサンブル経験的モード分解 ,  非線形 ,  自己回帰 ,  ニューラルネットワーク ,  リチウムイオン ,  電池容量 ,  マルチスケール ,  融合 ,  予測法