基于遗传算法的LSTM的氢燃料电池剩余使用寿命预测方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117420443A
(43)申请公布日2024.01.19
(21)申请号202311477626.7
(22)申请日2023.11.07
(71)申请人河南省科学院物理
显示全部
文档详情
相似文档
-
一种基于RVM与PF算法融合的电池剩余使用寿命预测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112816874 A
(43)申请公布日 2021.05.18
(21)申请号 202011503315.X G01R 31/392 (2019.01)
-
基于AE-KPCA-LSTM的锂电池剩余使用寿命预测.docx
基于AE-KPCA-LSTM的锂电池剩余使用寿命预测
一、引言
随着科技的发展，锂电池在各类电子设备及电动汽车中的应用越来越广泛。为了保障锂电池的安全与性能，其剩余使用寿命的预测变得尤为重要。预测锂电池的剩余使用寿命，不仅能够为使用者提供更长的使用寿命预期，同时也能为电池的维护和更换提供依据。本文提出了一种基于AE-KPCA-LSTM的锂电池剩余使用寿命预测模型，旨在提高预测的准确性和可靠性。
二、背景与相关研究
锂电池的剩余使用寿命预测是一个复杂的过程，涉及到电池的多种物理和化学特性。近年来，许多研究者致力于此领域的研究，提出了多种预测模型。然而，这些模型往往面临着数据维度高、噪声大、非线性
-
基于LSTM的电动汽车减速器剩余使用寿命预测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113392470 A
(43)申请公布日 2021.09.14
(21)申请号 202110697638.5 G06F 119/04 (2020.01)
(22)申请日
-
一种基于LSTM-SVR的超级电容器剩余使用寿命预测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114781277 A
(43)申请公布日 2022.07.22
(21)申请号 202210572695.5
(22)申请日 2022.05.25
(71)申请人 河北工业大学
地址 300401
-
基于SOA-LSTM的电池剩余寿命的预测方法及装置.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114781273 A
(43)申请公布日 2022.07.22
(21)申请号 202210533528.X G01R 31/392 (2019.01)
(22)申请日 2022.05
-
一种基于数模联动的锂离子电池剩余使用寿命预测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115047350 A
(43)申请公布日 2022.09.13
(21)申请号 202210729394.9
(22)申请日 2022.06.24
(71)申请人 哈尔滨工业大学
地址 150001
-
一种基于工作温度矫正的电池剩余使用寿命预测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116400224 A
(43)申请公布日 2023.07.07
(21)申请号 202310319281.6
(22)申请日 2023.03.28
(71)申请人 广州大学
地址 510006
-
基于集成学习的锂电池剩余使用寿命预测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114881246 A
(43)申请公布日 2022.08.09
(21)申请号 202210495663.X G06K 9/62 (2022.01)
-
基于集成经验模态分解与集成...子电池剩余使用寿命预测方法_张朝龙.pdf
第51卷第13期电力系统保护与控制Vol.51No.13
2023年7月1日PowerSystemProtectionandControlJul.1,2023
DOI:10.19783/ki.pspc.221746
基于集成经验模态分解与集成机器学习的锂离子电池
剩余使用寿命预测方法
1,232
张朝龙，赵筛筛，何怡刚
(1.金陵科技学院智能科学与控制工程学院，江苏南京211169；2.武汉大学电气与自动化学院，湖北武汉430072；
3.安庆师范大学电子工程与智能制造学院，安徽安庆246011)
摘要：准确预测储能锂离子电池剩余使用寿命(remainingusefullife,RUL)对于电
-
基于优化分解与深度学习集成的锂离子电池剩余使用寿命预测方法.pdf
摘要
摘要
锂离子电池因其体积小、重量轻、自放电率低、循环寿命长和充电速度快等独特
特点，在民用、商用和军用等各个领域得到了广泛应用。然而，锂离子电池的安全性
和可靠性一直是一个非常重要的问题。随着充放电循环次数的累积，电池性能会逐渐
衰退，可能导致系统运行发生故障，从而引发安全事故。准确预测锂离子电池剩余使
用寿命（RUL）可以及时管理和维护电池，降低电池失效的风险以及延长电池的使用
寿命。
由于锂离子电池退化过程的
-
一种基于深度学习的燃料电池剩余寿命预测方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112986827 B
(45)授权公告日 2022.06.03
(21)申请号 202110385900.2 G06N 3/04 (2006.01)
(22)申请日 2021.04.
-
GB∕T38914-2020车用质子交换膜燃料电池堆使用寿命测试评价方法.docx
ICS27.070
K82
中华人民共和国国家标准
GB/T38914—2020
车用质子交换膜燃料电池堆使用寿命
测试评价方法
Evaluationmethodforlifetimeofprotonexchangemembranefulecell
stackinvehicleapplication
2020-06-02发布2020-12-01实施
2020-06-02发布
发
发布
国家标准化管理委员会
I
GB/T38914—2020
目次
前言 Ⅲ
1范围 1
2规范性引用文件 1
3术语和定义 1
4测试设备及条件 2
4.1测试对象 2
4.2测试平台及测试对象安装 2
4.3测试环
-
《固定式质子交换膜燃料电池堆使用寿命测试评价方法》.pdf
ICS27.070
CCSK82
团体标准
T/CES176ó2022
固定式质子交换膜燃料电池堆使用寿命
测试评价方法
Evaluationmethodforlifetimeofstationaryprotonexchangemembrane
fuelcellstack
2022-12-19发布2022-12-21实施
中国电工技术学会发布
T/CES176ó2022
目次
前言Ⅱ
1范围1
2规范性引用文件1
3术语和定义1
4测试设备2
4.1测试对象2
4.2测试仪器和设备2
4.3测试平台2
4.4测试对象安装3
5测试条件3
5.1环境条件3
5.2测试气体3
5.3安全规定3
6
-
基于非线性Wiener过程的锂电池剩余使用寿命自适应预测.docx
基于非线性Wiener过程的锂电池剩余使用寿命自适应预测
一、引言
随着电动汽车和移动设备的普及，锂电池的寿命和性能成为了研究的热点。准确预测锂电池的剩余使用寿命（RUL，RemainingUsefulLife）对于提高电池的利用率、延长电池的使用寿命以及实现智能电池管理具有重要意义。非线性Wiener过程作为一种有效的预测模型，能够更好地描述电池性能退化的非线性过程。本文将探讨基于非线性Wiener过程的锂电池剩余使用寿命自适应预测方法。
二、锂电池性能退化与非线性Wiener过程
锂电池在使用过程中，其性能会随着充放电次数的增加而逐渐退化。这种退化过程是一个复杂的过程，涉及到多种因素，如温
-
基于智能数模融合的锂离子电池剩余使用寿命预测.docx
基于智能数模融合的锂离子电池剩余使用寿命预测
目录
基于智能数模融合的锂离子电池剩余使用寿命预测（1）．．．．．．．．．．3
内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
锂离子电池概述．．．．．．．．．．．．．．．．．