文献

J-GLOBAL ID：201902289421133766   整理番号：19A0525022

リチウムイオン電池電圧と充電状態の正確なモデリングのためのリカレントニューラルネットワークによるコンパクトな統一方法論【JST・京大機械翻訳】

A compact unified methodology via a recurrent neural network for accurate modeling of lithium-ion battery voltage and state-of-charge

著者 (4件)： Zhao Ruxiu (Wisconsin Electric Machines and Power Electronics Consortium (WEMPEC), University of Wisconsin - Madison, Madison, WI USA) ,  Kollmeyer Phillip J. (Wisconsin Electric Machines and Power Electronics Consortium (WEMPEC), University of Wisconsin - Madison, Madison, WI USA) ,  Lorenz Robert D. (Wisconsin Electric Machines and Power Electronics Consortium (WEMPEC), University of Wisconsin - Madison, Madison, WI USA) ,  Jahns Thomas M. (Wisconsin Electric Machines and Power Electronics Consortium (WEMPEC), University of Wisconsin - Madison, Madison, WI USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ECCE  ページ： 5234-5241  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： 本研究では,構造化リカレントニューラルネットワーク(RNN)を用いて,種々の動作条件における正確なリチウムイオン電池(LIB)動的モデリングと有効充電状態(SOC)予測を組み合わせる手法を検討した。RNNモデルは,等価回路モデル(ECM)に典型的に必要とされるように,モデルパラメータが特性化試験で決定されなければならないように,駆動サイクルデータで訓練される。RNNはまた,電荷移動電圧降下電流依存性とリチウムイオン拡散過程に対するButler-Volmer(BV)関係を捉えることができ,ECMによる捕獲に挑戦的な二つの特性を持つ。本研究では,Ged Recurent Unit(GRU)とDeep Feature Selection(DFS)構造を組み込んだ2つのRNNs(電流ベースと電力ベース)のコンパクトな統一方法論を提案した。両方のRNNsは,異なる温度での電池非線形挙動を含むLIB動的応答を正確にモデル化し,一方,電力ベースRNNも有効なSOC予測能力を示した。パワーベースのRNNは,駆動サイクルに対して充電対時間の電池状態を正確に予測することも示され,それは車両範囲予測に有用である。両方のRNNモデルは,モデルベース設計におけるLIBシミュレータとして,特に,電池管理システムと他の電子部品をテストするためのハードウェアインループ(HIL)応用にも使用できる。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： 電流 ,  予測 ,  *充電 ,  *電圧 ,  電圧降下 ,  *リチウムイオン電池 ,  *モデリング ,  *電池 ,  シミュレータ ,  電力 ,  キャラクタリゼーション ,  動的応答
準シソーラス用語： *リチウムイオン ,  動的モデリング ,  *充電状態 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： リチウムイオン電池 ,  充電状態 ,  モデリング ,  リカレントニューラルネットワーク ,  方法論