• Complex
  • Title
  • Keyword
  • Abstract
  • Scholars
  • Journal
  • ISSN
  • Conference
成果搜索

author:

姚远 (姚远.) [1] | 陈志聪 (陈志聪.) [2] (Scholars:陈志聪) | 吴丽君 (吴丽君.) [3] (Scholars:吴丽君) | 程树英 (程树英.) [4] (Scholars:程树英) | 林培杰 (林培杰.) [5] (Scholars:林培杰)

Abstract:

为了准确估计锂离子电池的健康状态,本文提出一种新的基于改进网格搜索(GS)和广义回归神经网络(GRNN)的估计方法.首先,对集中的数据进行处理,并通过相关性分析方法,提取有效的特征数据,包括电压、电流等.其次,提出一种基于改进网格搜索和广义回归神经网络的回归模型来估计电池的健康状态.最后,使用两个锂离子电池公共数据集验证提出的估计方法.实验结果证明,与其他估计方法相比,所提方法在准确性、泛化性和可靠性方面具有优势.

Keyword:

Community:

  • [ 1 ] [姚远]福州大学物理与信息工程学院,福州 350108
  • [ 2 ] [陈志聪]福州大学物理与信息工程学院,福州 350108
  • [ 3 ] [吴丽君]福州大学物理与信息工程学院,福州 350108
  • [ 4 ] [程树英]福州大学物理与信息工程学院,福州 350108
  • [ 5 ] [林培杰]福州大学物理与信息工程学院,福州 350108

Reprint 's Address:

Email:

Show more details

Related Keywords:

Related Article:

Source :

电气技术

ISSN: 1673-3800

CN: 11-5255/TM

Year: 2021

Issue: 7

Volume: 22

Page: 32-37

Cited Count:

WoS CC Cited Count:

SCOPUS Cited Count:

ESI Highly Cited Papers on the List: 0 Unfold All

WanFang Cited Count: -1

Chinese Cited Count:

30 Days PV: 8

Online/Total:83/10036245
Address:FZU Library(No.2 Xuyuan Road, Fuzhou, Fujian, PRC Post Code:350116) Contact Us:0591-22865326
Copyright:FZU Library Technical Support:Beijing Aegean Software Co., Ltd. 闽ICP备05005463号-1