文献
J-GLOBAL ID:202202262664588927   整理番号:22A1093750

スパースGaussプロセス回帰を用いた電池のための充電状態依存等価回路モデル同定【JST・京大機械翻訳】

State-of-charge dependent equivalent circuit model identification for batteries using sparse Gaussian process regression
著者 (5件):
資料名:
巻: 112  ページ: 1-11  発行年: 2022年 
JST資料番号: W0388A  ISSN: 0959-1524  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
実装の容易さにより,電池の等価回路モデル(ECM)は,電池管理システムで広く使用されている。一般に,ECMパラメータは操作条件によって変化し,従って,そのようなパラメータ依存性が,広い操作範囲にわたるECMの精度にいかに影響するかが,どのように対処されているか。本論文では,そのパラメータが充電状態(SOC)に非線形依存性を持つECMを同定した。SOC依存ECMを線形パラメータ変化(LPV)入力-出力モデルに変換することにより,モデルパラメータのパラメトリック関数SOC依存性を指定する困難さを軽減するノンパラメトリックスパースGauss過程回帰(GPR)手法を提案した。提案した手法はECMパラメータの事後分布を導き,従ってパラメータ推定と関連する不確実性の両方を提供できる。大規模データセット上の計算コストは,スパースGPRを採用することによって著しく減少する。提案方法を,2つのノイズモデル構造,すなわち,白色と着色ノイズを有する上記のLPVモデルに適用した。実験データを用いた同定結果は,提案した方法の有効性を説明した。有色雑音の使用は,異なる雑音レベルの下でロバスト性を高め,実験データセットに対してより高い出力予測精度を達成した。Copyright 2022 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
プロセス制御 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る