文献

J-GLOBAL ID：202102243829879895   整理番号：21A3384109

畳込みニューラルネットワークによる高速ウルトラキャパシタ寿命予測【JST・京大機械翻訳】

Rapid ultracapacitor life prediction with a convolutional neural network

著者 (6件)： Wang Chenxu (Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Xiong Rui (Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Tian Jinpeng (Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Lu Jiahuan (Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Zhang Chengming (Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Zhang Chengming (Department of Electrical Engineering, Harbin Institute of Technology, Harbin 150001, China)
資料名： Applied Energy  (Applied Energy)
巻： 305  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 寿命の正確で迅速な予測は,ウルトラキャパシタの応用を加速するために不可欠である。超コンデンサの寿命における大きな不一致を克服するために,畳み込みニューラルネットワーク(CNN)に基づくエンドツーエンド残留有効寿命(RUL)予測法を提案した。それは,いくつかの連続サイクル内で集めた充電と放電データの間のマッピングと,対応する残存寿命を直接的に確立する。それは,専門家の知識なしで限られた生データから多くの加齢特徴を学習する。RULの予測精度を改善する一方で,必要な試験時間は大幅に低下する。113のウルトラキャパシタに基づく検証結果は,著者らの方法が,任意のエージング段階で収集された5つの連続サイクル内のデータを用いて,RULを正確に予測することができ,そして,二乗平均誤差は501サイクルであることを示した。この方法は,従来の特徴ベースの予測方法と比較してより高い精度を実証し,一方,必要な入力データは急激に減少した。そのような5サイクル試験は,15分以内に実行でき,RUL予測に十分なデータを収集する。本研究は,エネルギー貯蔵装置の劣化を予測するデータ駆動アプローチの有望性を強調した。Copyright 2021 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： 予測技法 ,  放電 ,  繰返し試験 ,  *エンドツーエンド方式 ,  エネルギー貯蔵 ,  寿命予測 ,  余寿命 ,  耐用年数
準シソーラス用語： *スーパーキャパシタ ,  予測精度 ,  データ駆動 ,  入力データ ,  生データ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ウルトラキャパシタ ,  有用な生命の残存 ,  畳込みニューラルネットワーク ,  エンドツーエンド予測

分類 (2件)： 二次電池  (YB04030K) ,  電気自動車  (QG07020B)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  ウルトラキャパシタ ,  寿命予測