机构名称：
¥ 1.0
摘要。通常，使用数据驱动方法来估计铅酸电池的健康状况（SOH）的方法依赖于测量阻抗，电压，电流，电池，电池生命周期和温度等变量。但是，这些变量仅提供有关电池内部变化的有限信息，并且通常需要传感器才能进行准确的测量。本研究探索了铅酸电池电池元件内的超声波传播，以收集数据，并提出了一种数据驱动的方法来分类SOH。结果表明，神经网络分类器可以有效区分两个类别：1）在健康状态下的电池，SOH大于80％，而2）电池处于不健康状态，SOH不到80％。本研究中介绍的数据驱动方法（使用超声波数据）提供了相对于电池内部单元格的变化提供的有价值的信息。常规外部测量可能无法捕获此信息。因此，它消除了对其他传感器安装的需求，并为SOH分类提供了有希望的替代方法。
铅酸电池的健康状况分类
主要关键词
相关文件推荐
