期刊文献⁺

任意字段

题名或关键词

题名

关键词

文摘

作者

第一作者

机构

刊名

分类号

参考文献

作者简介

基金资助

栏目信息

大数据背景下动力电池健康状态预测的特征选择与模型优化探究

下载PDF

导出

摘要随着新能源汽车产业的发展,动力电池健康状态(SOH)精确预测对行车安全与寿命管理至关重要,本研究针对传统模型在高维数据处理中的局限性,提出“三层特征体系构建—多维度特征筛选—注意力增强模型优化”的技术路线,通过新能源汽车动力电池数据验证,该方法较传统模型预测精度提升26.8%,为动力电池健康管理提供优化方案。

作者张植琳

机构地区四川城市职业学院四川城市技师学院

出处《汽车制造业》 2025年第5期36-41,共6页 Automobil Industrie

关键词动力电池健康状态预测特征选择模型优化注意力机制

分类号 TM912 [电气工程—电力电子与电力传动] U469.7 [机械工程—车辆工程]

引文网络
相关文献

参考文献6

1陈宏宇,陶志军,朱永利,胡仁宗,袁斌.退役动力锂离子电池健康状态及剩余使用寿命预测技术研究[J].电力系统保护与控制,2025,53(7):174-187. 被引量：3
2戴国洪,张道涵,彭思敏,苗一凡,卓悦,杨瑞鑫,于全庆.人工智能在动力电池健康状态预估中的研究综述[J].机械工程学报,2024,60(4):391-408. 被引量：14
3张子恒,耿萌萌,范茂松,金玉红,刘晶冰,杨凯,汪浩.基于弛豫时间分布法的退役动力电池健康状态评估[J].储能科学与技术,2025,14(2):770-778. 被引量：3
4王泽旺,汪志成,周书民.磷酸铁锂动力电池老化特性研究[J].电子技术与软件工程,2023(1):127-132. 被引量：4
5张大禹,王震坡,刘鹏,林倪,张照生.新能源汽车动力电池衰退机制与健康状态估计研究概述[J].机械工程学报,2024,60(22):241-256. 被引量：11
6王颢,汪志成,陈经纬.退役动力电池健康状态快速检测系统设计[J].计量与测试技术,2025,51(2):30-33. 被引量：3

二级参考文献69

1刘坚.电动汽车退役电池储能应用潜力及成本分析[J].储能科学与技术,2017,6(2):243-249. 被引量：42
2李素,袁志高,王聪,陈天恩,郭兆春.群智能算法优化支持向量机参数综述[J].智能系统学报,2018,13(1):70-84. 被引量：79
3张志.锂电池工作机理与模型简述[J].电子技术与软件工程,2018(11):103-103. 被引量：2
4潘吉飞,黄德才.区块链技术对人工智能的影响[J].计算机科学,2018,45(B11):53-57. 被引量：15
5孙国跃,陈勇.退役动力电池梯次利用筛选指标的实验研究[J].电源技术,2018,42(12):1818-1821. 被引量：22
6王斑.我国新能源汽车动力电池回收体系的发展现状及建议[J].物流科技,2019,42(2):72-75. 被引量：20
7佘承其,张照生,刘鹏,孙逢春.大数据分析技术在新能源汽车行业的应用综述——基于新能源汽车运行大数据[J].机械工程学报,2019,55(20):3-16. 被引量：80
8华旸,周思达,何瑢,崔海港,杨世春.车用锂离子动力电池组均衡管理系统研究进展[J].机械工程学报,2019,55(20):73-84. 被引量：47
9徐元中,曹翰林,吴铁洲.基于SA-BP神经网络算法的电池SOH预测[J].电源技术,2020,44(3):341-345. 被引量：25
10许光,胡益群,曾倪香,袁昌权.基于STM32的音频采集与传输系统设计[J].电子设计工程,2020,28(3):173-177. 被引量：6

共引文献28

1姜毅恒,汪志成,周书民.退役锂电池高压放电声音信号时频特征研究[J].机电工程技术,2024,53(4):297-302. 被引量：3
2陆继忠,彭思敏,李晓宇.基于多特征量分析和LSTM-XGBoost模型的锂离子电池SOH估计方法[J].储能科学与技术,2024,13(9):2972-2982. 被引量：2
3王颢,汪志成,陈经纬.退役动力电池健康状态快速检测系统设计[J].计量与测试技术,2025,51(2):30-33. 被引量：3
4刘铠玮,张道涵,田东红,陈金康,沈月,彭思敏.基于改进型小龙虾算法优化CNN-LSTM神经网络的锂电池SOH估计[J].电气应用,2025,44(3):97-105.
5吴湘繁,刘雨欣,热比古丽·白克力,刘华宇.人工智能在国内新能源领域中的应用研究进展与趋势——基于CiteSpace的知识图谱分析[J].科技创业月刊,2025,38(3):105-111. 被引量：2
6秦亚迪,秦锋,李劼,周苏洋,康家豪,沈建羽.基于机器学习的燃气电厂电价预测研究[J].油气与新能源,2025,37(2):74-81.
7巫春玲,徐晨峰,张湧,王溢波,刘宇晗,孟锦豪,陈昊.退役动力锂离子电池分选方法研究综述[J].电气工程学报,2025,20(2):310-322.
8吴汇文,夏向阳,陈来恩,夏永凯,王明琦.基于混合神经网络的锂离子电池剩余寿命预测[J].电工技术,2025(9):37-40.
9陈若恒.融合Transformer网络与FA-BP优化的锂离子电池SOH估测系统设计研究[J].时代汽车,2025(14):121-123.
10郝维健,牛萍健,马天翼,韩策,柳邵辉.GB/T 31486—2024《电动汽车用动力蓄电池电性能要求及试验方法》标准解读与分析[J].储能科学与技术,2025,14(7):2654-2661.

1曹城,童崎.机器学习在电池断裂中的应用与展望[J].中国科学:物理学、力学、天文学,2025,55(5):211-227.
2姚宁.面向高维数据监测的火电厂事故预测技术研究[J].自动化与仪表,2025,40(6):99-102. 被引量：1
3熊嘉城,陈兴蜀,兰晓.基于多层聚类的自适应扰动匿名化算法及应用[J].现代电子技术,2025,48(14):85-89.
4仝鑫.基于数字化技术的煤矿机电设备寿命管理[J].能源与节能,2025(9):66-68. 被引量：1
5吴立煌,杨光永,徐天奇.多策略改进黑翅鸢算法的机器人路径规划研究[J].组合机床与自动化加工技术,2025(8):1-8.
6欧上源.基于高维Lasso惩罚线性回归的非凸惩罚Oracle性质及其算法优化研究与应用[J].统计学与应用,2025,14(6):42-51.
7曹晨,高燕燕(摄影).国际领先、百分百国产化——专访二〇八所枪械综合管控系统项目组[J].轻兵器,2025(10):50-53.
8刘梦遥,王倩倩,姜洋.量子计算在食品污染物模式识别中的创新应用[J].食品安全导刊,2025,19(22):190-192.
9李小刚.基于改进聚类分析算法的医院DIP智能管理平台异常数据监测研究[J].数字通信世界,2025(8):16-18.
10吴华锋.面向多维数据分析的数据库存储与查询优化[J].信息记录材料,2025,26(6):158-160.

汽车制造业

2025年第5期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部