文献

J-GLOBAL ID：201902267202677447   整理番号：19A1934751

ディープニューラルネットワークに基づくリチウムイオン電池の放電電圧時系列分類【JST・京大機械翻訳】

Discharge Voltage Time Series Classification of Lithium-ion Cells Based on Deep Neural Networks

著者 (6件)： Liu Chengbao (Institute of Automation, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Beijing, China) ,  Wang Xuelei (Institute of Automation, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Beijing, China) ,  Tan Jie (Institute of Automation, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Beijing, China) ,  Wang Lianjing (Institute of Automation, Chinese Academy of Sciences, University of Chinese Academy of Sciences, Beijing, China) ,  Sun Wei (Zhejiang Tianneng Energy Technology Co., Ltd., Huzhou, China) ,  He Wenxiang (Zhejiang Tianneng Energy Technology Co., Ltd., Huzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCC  ページ： 2128-2132  発行年： 2018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パック間のセルは,工業プロセスにおける生産変動性のために不整合性がしばしば存在し,不整合性がバッテリーパックの利用可能な容量と早期故障の低減につながる可能性がある。直列セル構成電池パックに対する類似の電気化学的特性を持つ電池パックとスクリーンセルの間のセルの不整合性を軽減するために,深いニューラルネットワーク(DNN)に基づく放電電圧時系列分類(DVTSC)を用いたリチウムイオン電池選択の新しい方法を示した。さらに,実験試料として2.06Ahと2.10Ahの間の容量を有する61177細胞を選択した。サンプルを前処理して,DNNモデルのためのラベル付き訓練集合を得た。それは,ラベル付け訓練セットのサイズが,2000の訓練サンプルと1000のテストサンプルを含む3000である。次に,時系列分類のために,2つの古典的ベースライン法と4つの深いニューラルネットワーク法を比較した。結果は,FCNが3つの計量に関して最も良い性能を有して,非標識試験セットに関して放電電圧時系列において異常なセルを効果的にスクリーンすることができることを示した。Copyright 2019 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： 前処理 ,  *リチウムイオン電池 ,  基準線 ,  スクリーン ,  故障 ,  不整合 ,  モデル ,  *ニューラルネットワーク
準シソーラス用語： 電気化学的特性 ,  電池パック ,  工業プロセス ,  *放電電圧 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 分子・遺伝情報処理  (JE15040B) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (5件)： ディープニューラルネットワーク ,  リチウムイオン電池 ,  放電電圧 ,  時系列 ,  分類