排序方式: 共有3条查询结果,搜索用时 625 毫秒
1
1.
2.
3.
针对因选取的健康因子不理想导致锂电池剩余使用寿命(RUL)预测精度不高的问题,提出了一种基于充电健康因子优化和数据驱动的电池RUL预测方法,首先提取电池充电过程中的各种健康因子,再使用两步最大信息系数法优化特征子集得到优化的健康因子,最后使用带有注意力机制的时间卷积神经网络(ATCN)预测电池的剩余使用寿命,通过对美国国家航空航天局(NASA)锂电池老化数据的研究,验证了所提出的锂电池RUL预测框架,并与简单循环神经网络(SimpleRNN)、长短期记忆(LSTM)神经网络和门控循环单元(GRU)神经网络等建模方法进行比较,结果表明,所提出的方法在各数据集上均取得了最优的预测结果。 相似文献
1