深度神经网络与卡尔曼滤波融合估算动力电池SOH的方法

摘要：

文章提出了一种基于卡尔曼滤波和深度神经网络的方法和系统,以更精确地评估新能源汽车动力电池的健康状态(SOH),从而评估电池的性能和寿命.通过融合卡尔曼滤波和深度神经网络,建立了一个创新SOH估算框架,以提高估算结果的精度性和鲁棒性,此外,还设计了一种适应不同工况且具备灵活性和可扩展性的SOH估算系统.为了验证提出方法的卓越性和有效性进行了试验分析,试验结果充分证明了该方法的优越性,并为新能源汽车的电池管理系统和电池梯次利用提供了可行的技术解决方案.通过比较精确地评估动力电池的健康状态,能够更好地管理电池性能,并有效延长其使用寿命.

关键词：新能源汽车、电池管理系统、电池梯次利用、卡尔曼滤波、深度神经网络、SOH估算

所属期刊栏目：48

分类号：U469.72+2(汽车工程)

在线出版日期：2023-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27