发表服务
1.3论文主要研究内容及章节安排为了研究锂离子电池的剩余使用寿命预测，本文借助数据驱动预测方法的思想，从锂离子电池充放电周期的历史数据出发，使用深度学习的方法对电池的运行时间序列进行分析并产生电池未来运行的预测。
☆本期分享导读：这期我们一起学习一篇电池循环寿命预测的文章，影响动力锂电池循环寿命的因素很多，本文采用的是数据驱动的方式进行预测。文献来自2019年的NatureEnergy（IF=46.495），作者是MIT的Severson、Br…
中图分类号：TP206论文编号：102870318-SX019学科分类号：080402硕士学位论文基于数据驱动的锂电池剩余使用寿命预测方法研究研究生姓名学科、专业测试计量技术及仪器副教授南京航空航天大学研究生院自动化学院二一八年三月Nanjing...
2蓄电池寿命预测模型2.1影响蓄电池寿命因素蓄电池的寿命一般用SOH来反映，表示蓄电池在满电条件下所能提供的有效电量。蓄电池实际容量的估算是准确衡量蓄电池寿命的前提条件。
因此，我打算定期分享一些电动汽车相关的经典论文，将论文中的亮点通俗易懂地表述出来，想深究的可以去看论文原文，不想深究的也能看个乐呵。分享的第一篇论文是
电池寿命预测（2020.01）-课题组新闻-重庆大学车辆动力系统团队.近日，重庆大学车辆动力系统团队胡晓松教授及合作者（加拿大安大略理工、美国马里兰大学），在能源领域国际顶级期刊，Cell子刊Joule上发表综述文章“BatteryLifetimePrognostics”，系统阐述了...
[1]林慧龙.基于滤波的锂离子电池剩余寿命预测方法研究[D].硕士学位论文.山西:中北大学.2018[2]苗强,崔恒娟,谢磊,周雪.粒子滤波在锂离子电池剩余寿命预测中的应用[J].重庆大学学报.2013.08.47-60
NASA锂电池数据集，原始数据格式是.mat，Python无法直接使用。我自己写了Python代码来读取和解析。然后根据读取的相关数据，画图来分析锂电池的寿命。用来进一步研究与锂电池相关的工作，比如RemainingUsefulLife（RUL）和EndOf
论文的主要研究工作包括以下内容：（1）针对RVM算法长期趋势预测精度低的问题，提出一种基于动态灰色相关向量机的锂离子电池RUL预测方法。该方法利用离散灰色模型获得的趋势预测结果作为RVM回归预测的输入，并根据回归预测结果动态更新RVM回归预测模型，从而提高长期趋势预测精度。
摘要：锂离子电池凭借清洁、稳定等独特优势已经被广泛应用于了各个领域,同时对锂电池的预测和健康管理也成为必要性工作。随着充放电过程的进行,锂离子电池的性能不断地退化,剩余使用寿命（RemainingUsefulLife,RUL）不断缩短。因此,预测锂电池的RUL成为了评估健康状态的重要方法。
1.3论文主要研究内容及章节安排为了研究锂离子电池的剩余使用寿命预测，本文借助数据驱动预测方法的思想，从锂离子电池充放电周期的历史数据出发，使用深度学习的方法对电池的运行时间序列进行分析并产生电池未来运行的预测。
☆本期分享导读：这期我们一起学习一篇电池循环寿命预测的文章，影响动力锂电池循环寿命的因素很多，本文采用的是数据驱动的方式进行预测。文献来自2019年的NatureEnergy（IF=46.495），作者是MIT的Severson、Br…
中图分类号：TP206论文编号：102870318-SX019学科分类号：080402硕士学位论文基于数据驱动的锂电池剩余使用寿命预测方法研究研究生姓名学科、专业测试计量技术及仪器副教授南京航空航天大学研究生院自动化学院二一八年三月Nanjing...
2蓄电池寿命预测模型2.1影响蓄电池寿命因素蓄电池的寿命一般用SOH来反映，表示蓄电池在满电条件下所能提供的有效电量。蓄电池实际容量的估算是准确衡量蓄电池寿命的前提条件。
因此，我打算定期分享一些电动汽车相关的经典论文，将论文中的亮点通俗易懂地表述出来，想深究的可以去看论文原文，不想深究的也能看个乐呵。分享的第一篇论文是
电池寿命预测（2020.01）-课题组新闻-重庆大学车辆动力系统团队.近日，重庆大学车辆动力系统团队胡晓松教授及合作者（加拿大安大略理工、美国马里兰大学），在能源领域国际顶级期刊，Cell子刊Joule上发表综述文章“BatteryLifetimePrognostics”，系统阐述了...
[1]林慧龙.基于滤波的锂离子电池剩余寿命预测方法研究[D].硕士学位论文.山西:中北大学.2018[2]苗强,崔恒娟,谢磊,周雪.粒子滤波在锂离子电池剩余寿命预测中的应用[J].重庆大学学报.2013.08.47-60
NASA锂电池数据集，原始数据格式是.mat，Python无法直接使用。我自己写了Python代码来读取和解析。然后根据读取的相关数据，画图来分析锂电池的寿命。用来进一步研究与锂电池相关的工作，比如RemainingUsefulLife（RUL）和EndOf
论文的主要研究工作包括以下内容：（1）针对RVM算法长期趋势预测精度低的问题，提出一种基于动态灰色相关向量机的锂离子电池RUL预测方法。该方法利用离散灰色模型获得的趋势预测结果作为RVM回归预测的输入，并根据回归预测结果动态更新RVM回归预测模型，从而提高长期趋势预测精度。
摘要：锂离子电池凭借清洁、稳定等独特优势已经被广泛应用于了各个领域,同时对锂电池的预测和健康管理也成为必要性工作。随着充放电过程的进行,锂离子电池的性能不断地退化,剩余使用寿命（RemainingUsefulLife,RUL）不断缩短。因此,预测锂电池的RUL成为了评估健康状态的重要方法。
发表服务