文章详情
| 稿件标题： | 基于WOALSTM的锂电池寿命预测研究 |
| 稿件作者： | 霍琳1,宋云琦1,盖迪2,徐海2 |
| DOI： | 10.11809/bqzbgcxb2024.S1.038 |
| 栏目名称： | 基础理论与应用研究 |
| 关键词： | 锂电池；剩余使用寿命；长短期记忆神经网络；鲸鱼优化算法 |
| 文章摘要： | 针对LSTM模型参数较难选取导致锂电池寿命预测效果较差，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，该方法通过WOA对参数进行优化以提高模型的准确性。在此基础上，采用NASA锂电池数据集进行对比实验分析，分别运用WOALSTM算法、CNNLSTM算法和LSTM算法对锂电池的剩余使用寿命进行预测，实验结果证明，WOALSTM模型相较于CNNLSTM模型和LSTM模型的精度分别提升了3.2%和4.5%，验证了WOA方法的有效性，为推动锂电池相关研究的进展提供思路和依据。 |
| 引用本文格式： | 霍琳,宋云琦,盖迪，等.基于WOALSTM的锂电池寿命预测研究［J］.兵器装备工程学报，2024,45(S1):223-230. HUO Lin， SONG Yunqi， GAI Di, et al.Research on life prediction of lithium battery based on WOALSTM［J］.Journal of Ordnance Equipment Engineering,2024,45(S1):223-230. |
| 刊期名称： | 2024年增刊1期 |
| 出版时间： | 2024年7月 |
| 收稿日期： | 2024-01-26 |
| 修回日期： | 2024-02-28 |
| 录用日期： | 2024-03-29 |
| 上线时间： | 2024年7月25日 |
| 浏览次数： | 644 |
| 下载次数： | 24 |
| 免费阅读PDF 下载本期目录 | |