基于ZYNQ深度学习模型部署的锂电池健康预测

作者：马贵君; 冉少林^*; 张泽

来源：控制工程, 2022, 29(02): 294-299.

DOI：10.14107/j.cnki.kzgc.20210110

• 锂电池
• 健康预测
• 深度学习模型
• ZYNQ硬件平台

为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统。首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证。实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条件下锂电池健康管理系统的嵌入式应用需求。

• 单位
  华中科技大学; 自动化学院