基于改进神经网络的锂电池剩余寿命预测研究
摘要：随着绿色环保事业的全力推动和清洁能源的大力发展，锂电池作为储能单元被广泛应用于电子设备、电动汽车、军工设备等领域。锂电池在循环充放电的累加过程中内部发生不可逆的化学反应，会导致电池内部性能衰退甚至失效,从而造成经济损失和安全事故。而锂电池剩余寿命(RUL)是判断电池性能的重要指标，实现锂电池RUL预测，对锂电池储能系统安全性能评估具有非常重要的意义。 本文针对锂电池剩余寿命预测相关研究主要内容如下: 首先，使用同一批次的三节三元锂电池作为研究对象，搭建电池测试平台进行锂电池循环寿命实验，获取自主实验电池老化数据，并引入NASA B0005数...
关键词：
锂电池剩余寿命预测大数据处理长短期记忆网络卷积神经网络麻雀搜索算法
授予学位：
硕士
学科专业：
控制科学与工程
导师姓名：
于智龙
学位年度：
2024
语种：
中文
分类号：
TM912(独立电源技术（直接发电）)TP183(自动化基础理论)
在线出版日期：
2024-11-15 （万方平台首次上网日期，不代表论文的发表时间）
相关知识
基于深度学习的锂电池剩余寿命预测
基于数据驱动的锂离子电池健康状态估计及剩余寿命预测研究.docx
锂离子电池健康状态评估及剩余寿命预测方法研究
锂离子电池健康评估及剩余使用寿命预测方法研究.pptx
锂离子电池健康状态估计及剩余寿命预测研究
基于机器学习的锂离子电池健康状态与剩余寿命预测
基于新健康指标的锂离子电池剩余寿命预测
基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
基于新健康因子的锂电池健康状态估计和剩余寿命预测
锂离子电池健康状态评估及剩余寿命预测方法
网址: 基于改进神经网络的锂电池剩余寿命预测研究 https://m.trfsz.com/newsview1639748.html
