期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于充电数据的多阶段锂离子电池健康状态估计
被引量:
4
1
作者
魏中宝
阮浩凯
何洪文
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2022年第11期1184-1190,共7页
锂离子电池的健康状态估计是锂离子电池寿命评估和健康管理的基础.文中针对实际应用场景中充电数据的缺失,提出一种实用的多阶段电池的健康状态估计方法.研究中根据电压大小,将充电过程划分为3个阶段,分别提出了具有针对性的电池的健康...
锂离子电池的健康状态估计是锂离子电池寿命评估和健康管理的基础.文中针对实际应用场景中充电数据的缺失,提出一种实用的多阶段电池的健康状态估计方法.研究中根据电压大小,将充电过程划分为3个阶段,分别提出了具有针对性的电池的健康状态估计方法.特别是对于恒流电压过渡阶段,在恒流数据和电压数据都严重缺失地情况下,利用卷积神经网络的数据挖掘能力,直接建立了电压电流数据与电池的健康状态的关系,在锂离子电池的长期老化实验数据研究基础上对所提出的方法进行了验证.结果表明,该方法具有估计精度高、应对严重数据缺失的能力强、对电池不一致性鲁棒性强等优点.
展开更多
关键词
锂离子电池
健康因子
健康状态估计
机器学习算法
恒流
卷积神经网络
下载PDF
职称材料
题名
基于充电数据的多阶段锂离子电池健康状态估计
被引量:
4
1
作者
魏中宝
阮浩凯
何洪文
机构
北京理工大学机械与车辆学院
出处
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2022年第11期1184-1190,共7页
基金
国家自然科学基金资助项目(52072038)。
文摘
锂离子电池的健康状态估计是锂离子电池寿命评估和健康管理的基础.文中针对实际应用场景中充电数据的缺失,提出一种实用的多阶段电池的健康状态估计方法.研究中根据电压大小,将充电过程划分为3个阶段,分别提出了具有针对性的电池的健康状态估计方法.特别是对于恒流电压过渡阶段,在恒流数据和电压数据都严重缺失地情况下,利用卷积神经网络的数据挖掘能力,直接建立了电压电流数据与电池的健康状态的关系,在锂离子电池的长期老化实验数据研究基础上对所提出的方法进行了验证.结果表明,该方法具有估计精度高、应对严重数据缺失的能力强、对电池不一致性鲁棒性强等优点.
关键词
锂离子电池
健康因子
健康状态估计
机器学习算法
恒流
卷积神经网络
Keywords
lithium-ion battery(LIB)
health indicators
state of health estimation
machine learning method
constant current-constant voltage(CCCV)
convolutional neural network(CNN)
分类号
U469.72 [机械工程—车辆工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于充电数据的多阶段锂离子电池健康状态估计
魏中宝
阮浩凯
何洪文
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部