10.19620/j.cnki.1000-3703.20220794
基于稀疏数据的电动汽车动力电池热故障预警(英文)
针对稀疏数据难以准确预警电动汽车动力电池系统热故障和热失控的问题,提出了一种基于长短时记忆网络和迁移学习方法的锂电池热故障预警模型.利用源域密集数据训练该模型,并通过稀疏数据将模型迁移到目标域.在源域训练阶段,利用移动标准差预提取输入数据中的温度相关特征.在目标域训练阶段,提出了放缩指数误差损失函数迁移模型,使故障预警模型自动趋向提取粗糙特征信息,提高温度预测的准确性.试验结果表明,经过迁移学习的神经网络模型能够准确预测电池温度及其变化趋势,对动力电池热故障预警和热失控防控具有重要意义.
电动汽车、热故障预警、稀疏数据、迁移学习、移动标准差
U469.72;TM912(汽车工程)
国家自然科学基金;中国博士后科学基金面上项目;佛山市人民政府科技创新专项-产学研合作项目;北京科技大学青年教师学科交叉研究项目
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
24-34