机构名称：
¥ 2.0
本文介绍了一种新型体系结构，称为基于融合 - 融合优化（FUFI），具有双长期记忆网络（FUFI-CNN-BI-LSTM），以增强电荷状态（SOC）估计性能。所提出的FUFI-CNN-BI-LSTM模型利用卷积神经网络（CNN）和Bi-Long短期存储网络（BI-LSTM）的功能，同时利用FUFI优化来有效调整网络的超参数。这种优化技术通过找到模型的最佳配置来促进有效的SOC估计。对基于FUFI算法的模型进行了比较分析，包括FUFI-CNN-LSTM，FUFI-BI-LSTM，FUFI-LSTM和FUFI-CNN。比较涉及评估SOC估计任务的绩效并确定模型的优势和局限性。此外，提出的FUFI-CNN-BI-LSTM模型在各种驱动周期测试中进行了严格的测试，包括HPPC，HWFET，UDDS和US06在-20至25摄氏度的不同温度下进行。使用良好的评估索引在不同的现实工作条件下评估模型的鲁棒性和可靠性，包括相对误差（RE），平均绝对误差（MAE），R Square（R 2）和Granger因果关系测试。结果表明，所提出的FUFI-CNN-BI-LSTM模型可在较高和较低范围的广泛温度上实现有效的SOC估计性能。这一发现表明该模型在各种操作条件下准确估算SOC的功效。
能量
主要关键词
相关文件推荐
