基于非线性降维IC特征的实车电池SOH估计EI北大核心CSCD |
| |
引用本文: | 陈吉清,李子涵,兰凤崇,蒋心平,潘威,陈继开.基于非线性降维IC特征的实车电池SOH估计EI北大核心CSCD[J].汽车工程,2023(2):199-208. |
| |
作者姓名: | 陈吉清 李子涵 兰凤崇 蒋心平 潘威 陈继开 |
| |
作者单位: | 1. 华南理工大学机械与汽车工程学院;2. 华南理工大学广东省汽车工程重点实验室 |
| |
摘 要: | 基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。
|
关 键 词: | 动力电池 SOH估计 非线性降维 机器学习 |
本文献已被 维普 等数据库收录! |
|