机构名称：
¥ 1.0
- 将锂离子电池配备合理的热故障诊断可以避免热失控，并确保电池安全可靠。这项研究构建了一个锂电池热故障诊断模型，该模型基于参数和结构的电池数据集优化了原始掩模区域的Con Volutional Volutional Network。模型处理电池表面的热图像，确定有问题的电池并找到有问题的区域。骨干网络用于处理电池热IM年龄并提取功能信息。通过RPN网络，对热功能进行了分类和回归，并使用蒙版分支最终确定电池故障的位置。此外，我们还基于电池数据集优化了基于掩码区域的卷积神经网络，这既是参数和结构。在大多数情况下，改进的LBIP-V2的性能优于LBIP-V1。我们测试了单细胞电池数据集，13S电池组数据集和扁平的1P3电池组数据集上LBIP的性能。结果表明，LBIP的识别精度超过95％。同时，我们在0 - 15分钟内模拟了13S电池组的故障，并测试了LBIP在实时电池故障诊断中的有效性。结果表明，LBIP可以有效响应在线故障，置信度超过98％。
在线锂离子电池智能感知热量...
主要关键词
相关文件推荐
