文献

J-GLOBAL ID：202202287463516368   整理番号：22A1202369

1DCNN-LSTMに基づくリチウムイオン電池SOH予測【JST・京大機械翻訳】

Hybrid 1DCNN-LSTM model for predicting lithium ion battery state of health

著者 (3件)： Wang Yingkai (福州大学物理与信息工程学院,福建 福州 350116) ,  Zhang Hong (福州大学物理与信息工程学院,福建 福州 350116) ,  Wang Xinghui (福州大学物理与信息工程学院,福建 福州 350116)
資料名： Chu Neng Kexue yu Jishu  (Chu Neng Kexue yu Jishu)
巻： 11  号： 1  ページ： 240-245  発行年： 2022年 
JST資料番号： C3436A  ISSN： 2095-4239  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リチウムイオン電池の健康状態(SOH)の予測精度と安定性を改善するために,従来の特徴選択が複雑であり,有効利用できないなどの問題を解決するために,一次元コンボリューション(1DCNN)と長短記憶ネットワーク(LSTM)を組み合わせた電池SOH予測法を提案した。第一に,マルチチャネル直列電圧,電流,および温度を用いて多次元特性を構築し,次に,1DCNNを用いて,サンプルデータから高級データ特徴入力LSTMを抽出して,歴史的情報を有効に利用し,最後に,全接続層出力電池のSOHの予測結果を,最後に得た。NASAリチウムイオン電池の容量減衰データを用いて、応用の連合アルゴリズムに対して検証を行い、結果により、他の予測アルゴリズムに比べ、1DCNN-LSTMに基づくアルゴリズムは、より正確なSOH予測結果を持ち、その平均絶対誤差(MAE)は約0.01であった。故障点誤差周期(RUL)は2サイクル以下である。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  温度 ,  畳込み ,  電圧 ,  *電池 ,  電流 ,  故障 ,  ネットワーク ,  精度 ,  特徴選択 ,  一次元 ,  高次元 ,  *リチウムイオン電池
準シソーラス用語： 予測精度 ,  予測アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (2件)： リチウムイオン電池 ,  予測