基于WOA-LSTM的锂电池寿命预测研究.pdf

1、本文档共8页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

２０２４年６月兵器装备工程学报Ｊｕｎ.２０２４

ｄｏｉ:１０.１１８０９/ｂｑｚｂｇｃｘｂ２０２４.Ｓ１.０３８

基于ＷＯＡ￣ＬＳＴＭ的锂电池寿命预测研究

１１２２

霍琳ꎬ宋云琦ꎬ盖迪ꎬ徐海

(１.沈阳航空航天大学ꎬ沈阳１１０１３５ꎻ２.中国民用航空沈阳航空器适航审定中心ꎬ沈阳１１００４４)

摘要:针对ＬＳＴＭ模型参数较难选取导致锂电池寿命预测效果较差ꎬ提出一种长短期记忆神经网络(ＬＳＴＭ)结合鲸鱼

优化算法(ＷＯＡ)的锂电池产品寿命预测方法ꎬ该方法通过ＷＯＡ对参数进行优化以提高模型的准确性ꎮ在此基础

上ꎬ采用ＮＡＳＡ锂电池数据集进行对比实验分析ꎬ分别运用ＷＯＡ￣ＬＳＴＭ算法、ＣＮＮ￣ＬＳＴＭ算法和ＬＳＴＭ算法对锂电池

的剩余使用寿命进行预测ꎬ实验结果证明ꎬＷＯＡ￣ＬＳＴＭ模型相较于ＣＮＮ￣ＬＳＴＭ模型和ＬＳＴＭ模型的精度分别提升了

３.２％和４.５％ꎬ验证了ＷＯＡ方法的有效性ꎬ为推动锂电池相关研究的进展提供思路和依据ꎮ

关键词:锂电池ꎻ剩余使用寿命ꎻ长短期记忆神经网络ꎻ鲸鱼优化算法

本文引用格式:霍琳ꎬ宋云琦ꎬ盖迪ꎬ等.基于ＷＯＡ￣ＬＳＴＭ的锂电池寿命预测研究[Ｊ].兵器装备工程学报ꎬ２０２４ꎬ４５

(Ｓ１):２２３－２３０.

Ｃｉｔａｔｉｏｎｆｏｒｍａｔ:ＨＵＯＬｉｎꎬＳＯＮＧＹｕｎｑｉꎬＧＡＩＤｉꎬｅｔａｌ.ＲｅｓｅａｒｃｈｏｎｌｉｆｅｐｒｅｄｉｃｔｉｏｎｏｆｌｉｔｈｉｕｍｂａｔｔｅｒｙｂａｓｅｄｏｎＷＯＡ￣

ＬＳＴＭ[Ｊ].ＪｏｕｒｎａｌｏｆＯｒｄｎａｎｃｅＥｑｕｉｐｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇꎬ２０２４ꎬ４５(Ｓ１):２２３－２３０.

中图分类号:ＴＭ９１２.９文献标识码:Ａ文章编号:２０９６－２３０４(２０２４)Ｓ１－０２２３－０８

ＲｅｓｅａｒｃｈｏｎｌｉｆｅｐｒｅｄｉｃｔｉｏｎｏｆｌｉｔｈｉｕｍｂａｔｔｅｒｙｂａｓｅｄｏｎＷＯＡ￣ＬＳＴＭ

１１２２

ＨＵＯＬｉｎꎬＳＯＮＧＹｕｎｑｉꎬＧＡＩＤｉꎬＸＵＨａｉ

(１.ＳｈｅｎｙａｎｇＡｅｒｏｓｐａｃｅＵｎｉｖｅｒｓｉｔｙꎬＳｈｅｎｙａｎｇ１１０１３５ꎬＣｈｉｎａꎻ

２.ＣｉｖｉｌＡｖｉａｔｉｏｎＡｄｍｉｎｉｓｔｒａｔｉｏｎｏｆＣｈｉｎａＳｈｅｎｙａｎｇＡｉｒｃｒａｆｔＡｉｒｗｏｒｔｈｉｎｅｓｓＣｅｒｔｉｆｉｃａｔｉｏｎＣｅｎｔｅｒꎬＳｈｅｎｙａｎｇ１１００４４ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏａｌｌｅｖｉａｔｅｔｈｅｅｎｅｒｇｙｃｒｉｓｉｓａｎｄｒｅｄｕｃｅｃａｒｂｏｎｅｍｉｓｓｉｏｎｓꎬｔｈｅｅｌｅｃｔｒｉｃａｉｒｃｒａｆｔｉｎｄｕｓｔｒｙ

ｈａｓｇａｉｎｅｄｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｉｎｒｅｃｅｎｔｙｅａｒｓ.Ｌｉｔｈｉｕｍｂａｔｔｅｒｙｉｓｔｈｅｍａｉｎｐｏｗｅｒｓｏｕｒｃｅｏｆｅｌｅｃｔｒｉｃａｉｒｃｒａｆｔꎬ

ａｎｄｉｔｓｒｅｍａｉｎｉｎｇｓｅｒｖｉｃｅｌｉｆｅＲＵＬｉｓｄｉｒｅｃｔｌｙｒｅｌａｔｅｄｔｏｔｈｅｃａｐａｃｉｔｙꎬｗｈｉｃｈｉｓｔｈｅｆｏｃｕｓｏｆｌｉｔｈｉｕｍｂａｔｔｅｒｙ

ｐｒｅｄｉｃｔｉｖｅｍａｉｎｔｅｎａｎｃ

该用户很懒，什么也没介绍

咨询Ta 进入空间

更多 >