基于隐马尔可夫模型的锂电池退化状态识别
2018-07-23
锂电世界0核心提示：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)
更多>同类锂电技术
