文献

J-GLOBAL ID：202002265038325520   整理番号：20A2722633

グリッド探索サポートベクトルマシンに基づくリチウム電池システムのための知的故障診断法【JST・京大機械翻訳】

An Intelligent Fault Diagnosis Method for Lithium Battery Systems Based on Grid Search Support Vector Machine

著者 (10件)： Yao Lei (Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Yao Lei (Henan Engineering Research Center of New Energy Vehicle Lightweight Design and Manufacturing, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Fang Zhanpeng (Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Fang Zhanpeng (Henan Engineering Research Center of New Energy Vehicle Lightweight Design and Manufacturing, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Xiao Yanqiu (Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Xiao Yanqiu (Henan Engineering Research Center of New Energy Vehicle Lightweight Design and Manufacturing, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Hou Junjian (Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Hou Junjian (Henan Engineering Research Center of New Energy Vehicle Lightweight Design and Manufacturing, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Fu Zhijun (Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450000, China) ,  Fu Zhijun (Henan Engineering Research Center of New Energy Vehicle Lightweight Design and Manufacturing, Zhengzhou University of Light Industry, Zhengzhou, 450000, China)
資料名： Energy  (Energy)
巻： 214  ページ： Null  発行年： 2021年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 電気自動車の安全運転のために,安全状態を迅速に検出し,電池パックの故障度を正確に同定することが重要である。本論文は,サポートベクターマシンに基づくリチウムイオン電池のための新規なインテリジェント故障診断法を提案し,それは故障状態およびタイムリータイムで効率的に同定することができた。ノイズ信号の存在のため,最初に,離散的余弦フィルタリング方式を採用して,合理的雑音除去を達成するために,白色雑音の特性に基づき,切捨て周波数を最適化した。第二に,フィルタデータの共分散行列(CM)が電流変動に敏感であるので,修正共分散行列(MCM)を提案し,条件指標に対する電流変動の影響を低減する。第3に,サポートベクターマシン(SVM)の精度とロバスト性を確実にするために,グリッド探索法を提案し,カーネル関数パラメータとペナルティ因子を最適化した。最後に,MCMとCMを条件指標としてモデルにそれぞれ導入し,結果は前者が高精度と適時性を有することを示した。要約すると,提案したインテリジェント故障診断法は実現可能である。それは,電池システムの将来の故障階層管理戦略のための理論的基礎を提供した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *電池 ,  *故障 ,  電気自動車 ,  白色雑音 ,  *故障診断 ,  フィルタリング ,  電流変動 ,  ペナルティ ,  ロバスト性 ,  雑音除去 ,  リチウムイオン電池 ,  *サポートベクトルマシン
準シソーラス用語： 共分散行列 ,  Kernel関数 , 【Automatic Indexing@JST】

著者キーワード (5件)： リチウムイオン電池 ,  故障診断 ,  グリッド探索 ,  サポートベクトルマシン ,  修正共分散行列

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： グリッド ,  探索 ,  サポートベクトルマシン ,  リチウム電池 ,  故障診断