基于遷移學習與GRU神經(jīng)網(wǎng)絡結合的鋰電池SOH估計

打開文本圖片集

摘 要：為解決退役電池梯次利用過程中單體剩余使用壽命估計困難、測試流程復雜與能耗高等問題，提出遷移學習與GRU網(wǎng)絡結合的鋰離子電池健康狀態(tài)估計方法；設計的基礎模型結構為輸入層+GRU層+全連接層+輸出層；根據(jù)健康因子的得分，選擇訓練基礎模型的數(shù)據(jù)集、劃分電池相似度等級并制定對應的遷移學習策略。實驗結果表明：與其他模型相比，分別使用數(shù)據(jù)集的前40%與前25%訓練得到的基礎模型與遷移學習模型，兩者的精度分別最大提高42.48%與95.28%，而預測穩(wěn)定性分別最大提高55.38%與93.55%。（剩余12562字）