基于數(shù)據(jù)驅動的鋰電池健康狀態(tài)預測

打開文本圖片集

摘要： 針對傳統(tǒng)基于數(shù)據(jù)驅動鋰電池健康狀態(tài)預測模型所存在的精確度低、魯棒性差等問題，構建了一個融合非線性與線性特征的時序預測模型，其中多尺度一維卷積神經(jīng)網(wǎng)絡串聯(lián)雙向門控循環(huán)神經(jīng)網(wǎng)絡形成非線性時序預測分支，自回歸模型構成線性分支。兩個分支并聯(lián)，最終通過全連接層輸出預測結果。模型具備非線性部分的泛化能力和線性部分的記憶能力，對輸入的幅值變化更加靈敏，并采用鯨魚優(yōu)化算法尋找最優(yōu)模型超參數(shù)。（剩余10896字）