文献检索-宁波市创意产业特色资源库

限定检索结果

基于片段充电数据和DEKF-WNN-WLSTM的锂电池健康状态实时估计: 收藏
分享
引用; 《电工技术学报》2024年第5期39卷 1565-1576页; 作者：宋显华姚全正哈尔滨理工大学理学院哈尔滨150080; 实时准确地评估电动汽车锂电池健康状态(SOH)对电动汽车的稳定行驶至关重要。因此,该文提出一种基于锂电池日常片段充电数据和双扩展卡尔曼滤波-小波神经网络-小波长短时记忆神经网络(DEKF-WNN-WLSTM)的电池全充时间估计模型,进而提高...; 实时准确地评估电动汽车锂电池健康状态(SOH)对电动汽车的稳定行驶至关重要。因此,该文提出一种基于锂电池日常片段充电数据和双扩展卡尔曼滤波-小波神经网络-小波长短时记忆神经网络(DEKF-WNN-WLSTM)的电池全充时间估计模型,进而提高了片段充电数据评估电池健康状态的准确度。首先,设计双扩展卡尔曼滤波预测-校正算法,分别用来估计片段充电数据对应的全充时间和校正扩展卡尔曼滤波的状态初值,以提高估计的准确性。然后,设计了小波神经网络-小波长短时神经网络来学习扩展卡尔曼滤波递推过程的观测值。最后,通过实验仿真,验证了所提算法在锂电池健康状态实时估算中的准确性和有效性。; 来源：详细信息评论

限定检索结果