技术讲堂广告招商

基于隐马尔可夫模型的锂电池退化状态识别

针对电池容量在实际应用中难以测量的问题,从在线传感器直接观测的电压、电流、时间等参数中提取状态特征向量代替容量来表征电池的健康状况.使用隐马尔可夫模型(HMM)作为状态监测器,分别对不同的退化时期建立HMM,通过前向-后向算法对当前观测序列计算相似概率来判断当前电池的健康状况.使用马里兰大学先进寿命周期工程研究中心(CALCE)公开的数据集与BP神经网络进行了对比实验,实验结果表明HMMs对锂电池退化状态有很高的识别率.

基于隐马尔可夫模型的锂电池退化状态识别

Recognition on regression state of lithium-ion battery by using hidden Markov model

针对电池容量在实际应用中难以测量的问题,从在线传感器直接观测的电压、电流、时间等参数中提取状态特征向量代替容量来表征电池的健康状况.使用隐马尔可夫模型(HMM)作为状态监测器,分别对不同的退化时期建立HMM,通过前向-后向算法对当前观测序列计算相似概率来判断当前电池的健康状况.使用马里兰大学先进寿命周期工程研究中心(CALCE)公开的数据集与BP神经网络进行了对比实验,实验结果表明HMMs对锂电池退化状态有很高的识别率.

作 者:乔玉龙 王玉斐 李娜 QIAO Yulong WANG Yufei LI Na  

作者单位:哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨,150001 

刊 名:应用科技  ISTIC

英文刊名:Applied Science and Technology 

年,卷(期):2018 45(2) 

稿件来源:锂电世界  
[ 查看:378 ]  [ 搜索 ]  [ 加入收藏 ]  [ 告诉好友
本文地址:
版权说明:
本网转载作品均注明出处,未注明出处和转载的,是出于传递更多信息之目的,并不意味着赞同其观点或证实其内容的真实性。如转作品侵犯著名权,或有其他诸如版权、肖像权、知识产权等方面的伤害,并非本网故意为之,在接到相关权利人通知后将立即加以更正。