机构名称：
¥ 1.0
摘要：锂离子（锂离子）电池被广泛用于电动汽车（EV），因为它们的能量密度很高，自我释放率低和卓越的性能。尽管如此，锂离子电池的性能和可靠性变得至关重要，因为它们会因电荷增加和排放周期而失去容量。此外，由于排放量的负载变化，锂离子电池会在电动汽车中衰老。以各种排放速率监视电池周期寿命将使电池管理系统（BMS）能够实施控制参数以解决老化问题。在本文中，提出了电池寿命降解模型，以加速的电流速率（C率）。此外，提出了标准C率和C率之外的理想寿命放电率。在加速的C率上排放对电池循环寿命的结果得到了彻底研究。此外，通过基于深度学习算法的馈电神经网络（FNN）和具有长短期记忆（LSTM）层的经常性神经网络（RNN）研究了电池降解模型。对开发模型的性能进行了比较评估，并且表明LSTM-RNN电池老化模型与传统的FNN网络相比，在加速C速率方面具有出色的性能。
文章基于神经网络的锂离子电池老化模型在加速的C率
主要关键词
相关文件推荐
