基于1DCNN-LSTM的锂离子电池SOH预测

为了提高锂离子电池健康状态(SOH)的预测精准度和稳定性,针对常规特征选取复杂且无法有效利用等问题,提出了一种联合一维卷积(1DCNN)与长短记忆网络(LSTM)的电池SOH预测方法.首先采用多通道串联电压、电流、温度构建多维特征,然后采用1DCNN从样本数据中提取高级数据特征输入LSTM中以有效利用历史信息,最后通过...     

基于迁移学习的LiPON制备工艺模拟优化

不同工艺参数对磁控溅射制备固态电解质薄膜LiPON的物理化学特性有巨大影响,使用机器学习对过程建模,能加强内部原理理解,优化参数提升薄膜性能.迁移学习通过挖掘历史数据集中的信息,提升模型精确度与泛化能力,从而更好地找到良好的工艺参数.本文以文献中磁控溅射制备LiPON的数据集为例,探究靶基距离、溅射功率、溅射气压对LiPON薄膜的离子电导率的影响.对比普通机器学习,迁移学习模型在多项误差指标上提升30%以上.通过模型遍历参数空间,搜寻最佳工艺组合,预测LiPON薄膜的离子电导率为2.04μS/cm,优于文献中的最优值,方差分析与实际样本证明了该方法具有可行性.