Thông tin tài liệu
Nhan đề : | A Novel Machine Learning Method Based Approach for Li-Ion Battery Prognostic and Health Management |
Tác giả: | Fan, J. |
Người tham gia: | Liu, F. Qu, J. Li, R. |
Năm xuất bản : | 2019 |
Nhà xuất bản : | IEEE Explore |
Số tùng thư/báo cáo: | IEEE Access, (2019), Vol 7, pp 160043-160061 |
Tóm tắt : | Safety accidents caused by Lithium-ion (Li-ion) batteries are numerous in recent years. Therefore, more and more attention has been drawn to the Remaining Useful Life (RUL) prediction and health status monitoring for Li-ion batteries. This paper proposes a deep learning method that combines the Forgetting Online Sequential Extreme Learning Machine (FOS-ELM) with the Hybrid Grey Wolf Optimizer (HGWO) algorithm and attention mechanism for the Prognostic and Health Management (PHM) of Li-ion battery. First, we use the Variational Mode Decomposition (VMD) to denoise the raw data before the training. Then the key parameters optimization of the FOS-ELM model based on the HGWO algorithm is introduced. Finally, we apply the attention mechanism to further improve the accuracy of the algorithm. Compared with traditional neural network methods, the method proposed in this paper has higher efficiency and accuracy. |
URI: | http://tailieuso.tlu.edu.vn/handle/DHTL/10011 |
Nguồn trực tuyến: | http://doi.org/10.1109/ACCESS.2019.2947843 |
Trong bộ sưu tập: | Tài liệu hỗ trợ nghiên cứu khoa học |
XEM MÔ TẢ
31
XEM & TẢI
16
Danh sách tệp tin đính kèm:
Bạn đọc là cán bộ, giáo viên, sinh viên của Trường Đại học Thuỷ Lợi cần đăng nhập để Xem trực tuyến/Tải về
Khi sử dụng tài liệu trong thư viện số bạn đọc phải tuân thủ đầy đủ luật bản quyền.