文献检索-宁波市创意产业特色资源库

限定检索结果

基于迁移学习与GRU神经网络结合的锂电池SOH估计: 收藏
分享
引用; 《太阳能学报》2024年第3期45卷 233-239页; 作者：莫易敏余自豪叶鹏范文健林阳武汉理工大学机电工程学院武汉430070 上汽通用五菱汽车股份有限公司技术中心柳州545000; 为解决退役电池梯次利用过程中单体剩余使用寿命估计困难、测试流程复杂与能耗高等问题,提出迁移学习与GRU网络结合的锂离子电池健康状态估计方法;设计的基础模型结构为输入层+GRU层+全连接层+输出层;根据健康因子的得分,选择训练基础...; 为解决退役电池梯次利用过程中单体剩余使用寿命估计困难、测试流程复杂与能耗高等问题,提出迁移学习与GRU网络结合的锂离子电池健康状态估计方法;设计的基础模型结构为输入层+GRU层+全连接层+输出层;根据健康因子的得分,选择训练基础模型的数据集、划分电池相似度等级并制定对应的迁移学习策略。实验结果表明:与其他模型相比,分别使用数据集的前40%与前25%训练得到的基础模型与迁移学习模型,两者的精度分别最大提高42.48%与95.28%,而预测稳定性分别最大提高55.38%与93.55%。; 来源：详细信息评论

限定检索结果