国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!

博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
第一作者:Fujin Wang,Zhi Zhai
通訊作者:陳雪峰,趙志斌
通訊單位:西安交通大學(xué)
論文速覽
準(zhǔn)確的健康狀態(tài)(SOH)估計(jì)對(duì)于鋰離子電池的可靠和安全運(yùn)行至關(guān)重要。然而,由于不同的電池類型和工作條件,可靠和穩(wěn)定的電池SOH估計(jì)仍然具有挑戰(zhàn)性。
本論文提出了一種基于物理信息神經(jīng)網(wǎng)絡(luò)(Physics-informed Neural Network, PINN)的方法,用于鋰離子電池健康狀態(tài)(State of Health, SOH)的準(zhǔn)確和穩(wěn)定估計(jì)。
研究團(tuán)隊(duì)從實(shí)證退化和狀態(tài)空間方程的角度出發(fā),建立了影響電池退化的屬性模型,并利用神經(jīng)網(wǎng)絡(luò)捕捉電池退化動(dòng)態(tài)。研究中設(shè)計(jì)了一種通用的特征提取方法,從電池充滿電之前的短時(shí)間內(nèi)數(shù)據(jù)中提取統(tǒng)計(jì)特征,使得該方法適用于不同類型的電池和充放電協(xié)議。
此外,研究團(tuán)隊(duì)生成了一個(gè)包含55個(gè)鋰鎳鈷錳氧化物(Nickel-Cobalt-Manganese-Oxide, NCM)電池的綜合數(shù)據(jù)集,并結(jié)合了來自不同制造商的另外三個(gè)數(shù)據(jù)集,總共使用了387個(gè)電池和310,705個(gè)樣本來驗(yàn)證所提出的方法。平均絕對(duì)百分比誤差(MAPE)為0.87%。與替代神經(jīng)網(wǎng)絡(luò)相比,所提出的PINN在常規(guī)實(shí)驗(yàn)、小樣本實(shí)驗(yàn)和遷移實(shí)驗(yàn)中表現(xiàn)出色。該研究突出了物理信息機(jī)器學(xué)習(xí)在電池退化建模和SOH估計(jì)中的潛力。
圖文導(dǎo)讀
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖1:提出的PINN用于鋰離子電池SOH估計(jì)的流程圖。
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖2:XJTU電池?cái)?shù)據(jù)集的退化軌跡。
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖3:從XJTU提取的8個(gè)電池的特征,以及四個(gè)數(shù)據(jù)集中提取的特征與SOH之間的相關(guān)系數(shù)熱圖。
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖4:SOH估算結(jié)果圖解。
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖5:在XJTU數(shù)據(jù)集批量1和HUST數(shù)據(jù)集上,三種模型(所提出的PINN、多層感知器(MLP)和卷積神經(jīng)網(wǎng)絡(luò)(CNN))的測(cè)試均方根誤差(RMSE)分布情況。
博士畢業(yè)5年,破格晉升教授,西安交大「杰青」團(tuán)隊(duì),最新Nature子刊!
圖6:所提出的物理信息神經(jīng)網(wǎng)絡(luò)的示意圖。
總結(jié)展望
本研究提出的基于物理信息的神經(jīng)網(wǎng)絡(luò)(PINN)為鋰離子電池的SOH估計(jì)提供了一種新的、有效的解決方案。通過結(jié)合物理模型與數(shù)據(jù)驅(qū)動(dòng)方法的優(yōu)勢(shì),PINN能夠在不同類型的電池和充放電協(xié)議中實(shí)現(xiàn)準(zhǔn)確和穩(wěn)定的SOH估計(jì)。
此外,研究還證明了PINN在小樣本學(xué)習(xí)和遷移學(xué)習(xí)方面的優(yōu)勢(shì),這對(duì)于電池健康管理和維護(hù)決策具有重要意義。未來,隨著更多數(shù)據(jù)和內(nèi)部變量的可用性,可以考慮更復(fù)雜的電化學(xué)模型,進(jìn)一步優(yōu)化PINN的性能。此外,如何將電池的物理方程與神經(jīng)網(wǎng)絡(luò)更無縫地整合,以及如何在現(xiàn)有數(shù)據(jù)和計(jì)算資源的約束下實(shí)現(xiàn)電池健康管理的最優(yōu)集成,將是未來研究的重要方向。
文獻(xiàn)信息
標(biāo)題:Physics-informed neural network for lithium-ion battery degradation stable modeling and prognosis
期刊:Nature Communications
DOI:10.1038/s41467-024-48779-z

原創(chuàng)文章,作者:wang,如若轉(zhuǎn)載,請(qǐng)注明來源華算科技,注明出處:http://www.xiubac.cn/index.php/2024/05/26/e1350c7d34/

(0)

相關(guān)推薦

绥芬河市| 仙居县| 定南县| 南投市| 怀仁县| 庆元县| 东阳市| 金山区| 丰城市| 渑池县| 紫阳县| 伊川县| 耿马| 东至县| 新兴县| 西吉县| 宿迁市| 松潘县| 彭阳县| 皮山县| 那曲县| 湘西| 隆子县| 江安县| 密山市| 太白县| 郑州市| 敦化市| 永安市| 蓝田县| 深泽县| 晴隆县| 马公市| 马鞍山市| 会宁县| 航空| 轮台县| 齐河县| 金门县| 沙田区| 开平市|