多状态影响下基于Bi⁃LSTM网络的锂电池剩余寿命预测方法 |
| |
作者姓名: | 张浩 胡昌华 杜党波 裴洪 张建勋 |
| |
作者单位: | 火箭军工程大学导弹工程学院,陕西西安710025 |
| |
基金项目: | 陕西省自然科学基金;国家重点研发计划;国家自然科学基金 |
| |
摘 要: | 现有基于深度学习的锂电池剩余寿命(Remaining Useful Life,RUL)预测方法中,锂电池多个内部状态所蕴含的寿命信息未得到充分考虑.鉴于此,提出了一种融合电池容量、阻抗与温度三个内部状态的RUL预测模型.首先,引入双向长短时记忆(Bi?directional Long Short?Term Memory...
|
关 键 词: | 深度学习 剩余寿命预测 Bi-LSTM网络 Bayesian变分推断技术 dropout技术 不确定性量化 |
本文献已被 万方数据 等数据库收录! |
|