soh估计

机器学习之心10 天前
soh估计·物理信息神经网络·先验知识·锂电池健康状态估计·rul预测·剩余寿命预测·梯度信息软约束
电池SOH估计和RUL预测 | 融合梯度信息软约束先验知识的PINN物理信息神经网络的锂电池健康状态估计和剩余寿命预测,MATLAB代码融合梯度信息软约束先验知识的PINN物理信息神经网络的锂电池健康状态估计和剩余寿命预测,MATLAB代码码实现了基于物理信息神经网络(PINN)的锂电池健康状态(SOH)估计与剩余使用寿命(RUL)预测,依托NASA锂电池老化数据集,通过提取多维度健康特征并施加物理约束,有效提升老化趋势预测的准确性和可解释性。以下是详细描述:
小时不识月1232 年前
soh估计
soh估计:Data-driven prediction of battery cycle life before capacity degradation作者发现不同循环寿命的电池,第100次和第10次循环放电容量的差有不同,作者由这一现象,提取出了放电容量差的方差、平均值、最小值等特征,其中放电容量差的方差对数和循环寿命的对数的皮尔逊相关性高达-0.93,然后由此系列特征,用回归模型对循环寿命做估计,最好的模型使用前100个循环的数据预测周期寿命时,有9.1%的测试误差,此时大多数电池还没有表现出容量退化。除此之外,本文还对电池做了低寿命组和高寿命组的分类,仅使用前5个循环数据对电池分类,有4.9%的测试误差。另作者认为石墨负极在这些电池的降解中占主导地
我是有底线的