机构名称：
¥ 1.0
摘要： - 准确的SOH估计是追求锂离子电池安全使用的关键目标。本文基于SOH预测的容量估计方法，使用了一种新颖的进料前进神经网络方法。此外，使用MATLAB®2023软件创建了使用的算法，并提出了一种馈送前向前的神经网络方法来预测电池老化过程。本文采用了来自NASA PCOE研究中心的实验数据来确定和比较电池充电和放电周期期间的实际健康状况（SOHS）和预测的健康状况（SOHS）。算法的有效性是通过比较机器学习方法的细胞降解的影响确定的，并通过模拟和比较训练，验证和测试曲线的结果，测试了算法。最后，平均绝对百分比误差（MAPE）和根平方百分比误差（RMSPE）误差表明，本文中进行的模拟正确表示电池的退化状态，并确认了提出的馈送前向神经网络的结果和有效性。
锂离子的先进健康预测...
主要关键词
相关文件推荐
