基于长短时记忆神经网络的锂离子电池多维老化诊断

doi:10.13229/j.cnki.jdxbgxb.20230056

吉林大学学报(工学版) ›› 2024, Vol. 54 ›› Issue (11) : 3135-3147. DOI: 10.13229/j.cnki.jdxbgxb.20230056

任宪丰, 袁文文, 吴学强, 时艳茹, 姚蒙蒙, 张凯旋, 杨瑞鑫, 潘悦

作者信息 +

History +

摘要

本文通过引入两种对锂离子电池老化模式影响最大的内部副反应，改进传统伪二维模型的负极过电位方程，拓展建立锂离子电池性能衰退的电化学机理模型。应用响应面分析法，提取能够全面描述电池性能衰退的老化特征参数簇。建立一种长短时记忆神经网络，以基于机理模型获取的老化特征参数和历史容量保持率作为输入，预测电池未来容量衰退轨迹。结果表明：电池容量预测误差小于2%。

关键词

锂离子电池 / 老化诊断 / 老化机理建模 / 响应面分析法 / 长短时记忆神经网络

中图分类号

TM912 / TP183

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

任宪丰, 袁文文, 吴学强, 时艳茹, 姚蒙蒙, 张凯旋, 杨瑞鑫, 潘悦. 基于长短时记忆神经网络的锂离子电池多维老化诊断. 吉林大学学报(工学版). 2024, 54(11): 3135-3147 https://doi.org/10.13229/j.cnki.jdxbgxb.20230056

基金

国家自然科学基金项目(52107222,U23B20139)

Accesses

Citation

Detail

段落导航

选择文件类型/文献管理软件名称

选择包含的内容

摘要

关键词

中图分类号

引用本文

{{custom_sec.title}}

{{custom_sec.title}}

基金

评论

Published
2024-11-01
Issue Date
2025-03-21

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

摘要

关键词

中图分类号

引用本文

{{custom_sec.title}}

{{custom_sec.title}}

基金

评论