基于并行CNN-Self attention & LSTM的锂电池RUL间接预测

打开文本图片集

摘 要 针对锂离子电池难以在线测量直接健康因子（容量、内阻）进行剩余使用寿命（RUL）预测的现状，提出基于并行CNN-Self attention与LSTM组合的锂电池RUL间接预测方法。首先基于锂离子电池放电循环数据，利用灰度关联分析筛选出能够高度体现电池容量衰减的间接健康因子；然后分别对间接健康因子使用卷积神经网络（CNN）进行特征提取和自注意力机制（Self attention）调整特征权重得到对应的特征矩阵；最后融合特征矩阵，并使用长短期记忆（LSTM）网络进行锂电池RUL预测。（剩余8384字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。