PSO优化的BiLSTM-Attention网络的锂电池健康状态评估
锂离子电池作为一种高效的储能元件,被广泛应用到生产生活的各个领域,其健康状态事关系统的安全性,受到越来越多的重视.基于粒子群优化算法,优化了具有注意力机制的双向长短期记忆网络,实现了锂离子电池的健康评估.首先,考虑到锂电池数据的时序特征,采取了一种双向长短期记忆网络提高预测效果,并且引入注意力机制解决信息过载问题,提高任务处理的效率和准确性.接着,利用粒子群优化算法优化网络模型结构的参数,获得高效的锂电池健康状态估计.最后,引入NASA锂离子电池数据集.实验结果验证了所提方法的有效性.
锂离子电池;双向长短期记忆神经网络;注意力机制;健康状态
29
TP18(自动化基础理论)
国家自然科学基金;国家重点研发计划;湖北省自然科学基金资助项目
2022-03-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
287-293
