文献

J-GLOBAL ID：202202273507252823   整理番号：22A0978022

長い短期メモリネットワークを用いた不整合診断のための並列接続バッテリーの電流分布推定【JST・京大機械翻訳】

Current Distribution Estimation of Parallel-Connected Batteries for Inconsistency Diagnosis Using Long Short-Term Memory Networks

著者 (5件)： Cui Zhongrui (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Cui Naxin (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Rao Jing (School of Engineering and Information Technology, University of New South Wales, Canberra, ACT, Australia) ,  Li Changlong (School of Control Science and Engineering, Shandong University, Jinan, China) ,  Zhang Chenghui (School of Control Science and Engineering, Shandong University, Jinan, China)
資料名： IEEE Transactions on Transportation Electrification  (IEEE Transactions on Transportation Electrification)
巻： 8  号： 1  ページ： 1013-1025  発行年： 2022年 
JST資料番号： W2449A  ISSN： 2332-7782  資料種別： 逐次刊行物 (A)
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： 電気自動車用途では,リチウムイオン電池は通常並列接続で使用され,電力とエネルギー要求に適合する。しかし,並列接続電池(P-LiBs)間のインピーダンスと容量不一致は,不均一な電流分布をもたらし,加速劣化と安全性問題をもたらす。すべての電池セルに対して電流センサを等しくないので,本研究は,不整合診断に使用できる追加のハードウェアなしで,不均等な電流分布を推定することを目的とする。不整合下のP-LiBの特性を,種々の不整合条件下で異なる特徴を示すことを見出したP-LiBsの実験的研究,電流分布,および電圧曲線によって研究した。その結果,長い短期メモリ(LSTM)を有する再帰ニューラルネットワーク(RNN)を採用して,端子電圧と全電流情報だけを用いて電流分布を推定した。提案方法を2つの並列接続セルで検証して,実験結果は矛盾したインピーダンスとエージング条件の両方で良い推定精度を示した。さらに,並列のより多くのセルの場合,分岐電流の傾向と異常上昇は,3と4並列接続状況において,まだ正確に追跡される。推定電流分布に基づいて,P-LiBs内の不整合故障を効率的に診断できた。Copyright 2022 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： インピーダンス ,  *記憶装置 ,  電圧 ,  電池 ,  *電流 ,  故障 ,  電力 ,  電気自動車 ,  *電流分布 ,  ニューラルネットワーク ,  *並列接続 ,  *二次電池 ,  ハードウェア ,  リチウムイオン電池
準シソーラス用語： 推定精度 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 短期 ,  不整合 ,  診断 ,  並列接続 ,  バッテリー ,  電流分布 ,  推定