您当前的位置：
首页 >
文章列表页 >
基于长短时记忆神经网络的锂离子电池多维老化诊断
车辆工程·机械工程 | 更新时间：2025-07-21

    • 基于长短时记忆神经网络的锂离子电池多维老化诊断

    • Multi-dimensional aging diagnosis of lithium-ion battery with a long short-term memory neural network

    • “在电池性能衰退领域，专家改进模型并建立神经网络，预测电池未来容量衰退轨迹，误差小于2%。”
    • 吉林大学学报（工学版）   2024年54卷第11期 页码：3135-3147
    • 作者机构：

      1.潍柴动力股份有限公司 电控与软件研究院，山东 潍坊 261061

      2.北京理工大学 机械与车辆学院，北京 100081

    • 作者简介：

      任宪丰（1983-），男，高级工程师.研究方向：电控产品开发. E-mail： renxf@weichai.com

      杨瑞鑫（1988-），男，副研究员，博士.研究方向：新能源汽车电池管理. E-mail： yangruixin@bit.edu.cn

    • 基金信息：
      国家自然科学基金项目(52107222;U23B20139)

    • DOI：10.13229/j.cnki.jdxbgxb.20230056    

      中图分类号： TM912

    • 收稿：2023-01-17，

      纸质出版：2024-11-01

    移动端阅览

  • 任宪丰,袁文文,吴学强等.基于长短时记忆神经网络的锂离子电池多维老化诊断[J].吉林大学学报（工学版）,2024,54(11):3135-3147. DOI： 10.13229/j.cnki.jdxbgxb.20230056.

    REN Xian-feng,YUAN Wen-wen,WU Xue-qiang,et al.Multi-dimensional aging diagnosis of lithium-ion battery with a long short-term memory neural network[J].Journal of Jilin University(Engineering and Technology Edition),2024,54(11):3135-3147. DOI： 10.13229/j.cnki.jdxbgxb.20230056.

  •  
  •  

0

浏览量

8

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于关联路链组的城市路网短时交通流预测模型
基于曲线压缩和极限梯度提升算法的锂离子电池健康状态估计
基于锂离子电池线性化模型的电流传感器故障诊断
纯电动汽车电池箱的热特性
上扬子区龙马溪组页岩中黄铁矿成因

相关作者

徐海辉
翁剑成
王晶晶
何寒梅
魏瑞聪
刘新天
何耀
武骥

相关机构

北京工业大学 交通工程北京市重点实验室
福建省高速公路联网运营有限公司
北京百度智行科技有限公司 智能交通业务拓展部
北京市交通委员会
北京市交通运行监测调度中心
0