基于自编码与深度神经网络的锂电池循环寿命预测
本文提出了一种基于自动编码器和深层神经网络的综合方法,用于预测锂离子电池的剩余使用寿命(RUL).从原始数据提取基本健康指标后,采用自动编码器模型进行特征融合优化.编码的特征可以有效地代表电池健康状况的退化.然后,引入深神经网络模型来预测锂离子电池的RUL.使用均方根误差(root mean square error,RMSE)评估所提出的方法在的性能,并将其与一些经典预测方法进行比较.实验结果表明该方法的有效性和优越性.实验使用数据是由NASA提供的真实数据集.
锂离子电池 剩余使用寿命 自动编码器 深层神经网络 特征融合
赵世强 崔晋 孙亚强 任磊
北京航空航天大学 自动化科学与电气工程学院,北京 100191
国内会议
厦门
中文
129-133
2017-11-17（万方平台首次上网日期，不代表论文的发表时间）