文献检索-宁波市创意产业特色资源库

限定检索结果

基于经验模态分解的门控循环单元神经网络的锂离子电池荷电状态估计: 收藏
分享
引用; 《电工技术学报》2022年第17期37卷 4528-4536页; 作者：李宁何复兴马文涛蒋林张小平西安理工大学电气工程学院西安710048 利物浦大学电气工程和电子系利物浦英国L693GJ 伯明翰大学电子、电气和系统工程系伯明翰英国B152TT; 锂离子电池荷电状态(SOC)估计技术是电动汽车电池监测系统(BMS)设计的重要组成部分。该文提出一种基于经验模态分解(EMD)的门控循环单元(GRU)神经网络的锂离子电池荷电状态估计方法,在GRU估计SOC的基础上,引入EMD算法分解放电电流,不仅...; 锂离子电池荷电状态(SOC)估计技术是电动汽车电池监测系统(BMS)设计的重要组成部分。该文提出一种基于经验模态分解(EMD)的门控循环单元(GRU)神经网络的锂离子电池荷电状态估计方法,在GRU估计SOC的基础上,引入EMD算法分解放电电流,不仅提高GRU模型对长时间电流信号保持长期信息的能力,而且提高锂离子电池荷电状态估计精度。仿真实验表明,与传统的循环神经网络和长短期记忆网络相比,该文所提基于EMD-GRU方法的锂离子电池SOC估计平均绝对误差为1.5093%,同比降低了20.7924%。; 来源：详细信息评论

限定检索结果