科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决现有数据驱动的锂离子电池寿命预测方法中存在着精度低、训练数据需求大等问题，采用一种基于随机配置网络(SCN)的锂电池RUL预测方法。首先，以电池容量作为直接健康因子，电池放电电压作为间接健康因子，通过不等式约束分配随机参数，自适应选择随机参数的范围，建立锂电池剩余寿命的预测模型；其次，利用NASA电池数据集对预测模型进行训练；最后，将所建立的模型与FNN、CNN、LSTM等多种神经网络进行对比验证，充分发挥了SCN自主性强、收敛速度快、网络成本低等特点。结果表明，相较于其余神经网络，SCN的RMSE值最小，具有更低的训练损失和更好的网络拟合效果，是一种有效的锂电池RUL预测算法。
- 单位
