资讯中心
information
CENTER
政冷经热中美研究人员合作研发预测电池参数提升电动汽车安全效率
2019-10-14作者:浏览次数:14  来源:贤集网

据外媒报道,为电动汽车提供动力的电池拥有几个关键的表征参数,包括电压、温度和变化状态(SOC)。由于电池的故障与此类参数的异常波动有关,能够有效地预测此类参数对于长期确保电动汽车安全、可靠地运行至关重要。

北京理工大学(Beijing Institute of Technology)、北京电动汽车联合创新中心(Beijing Co-Innovation Center for Electric Vehicles)和美国韦恩州立大学(Wayne State University)的研究人员最近研发了一种基于深度学习的新方法,能够同步预测电动汽车电池系统的多个参数。该新方法基于长短时记忆(LSTM)递归神经网络,是一个深度学习架构,既能够处理单个数据点(如图像),又能处理整个数据序列(如语音记录或视频片段)。


研究人员在北京电动汽车服务与管理中心(SMC-EV)收集的数据集上训练、评估了该LSTM模型,该数据集中包括一辆电动出租车在一年时间内存储的电池相关数据。该模型考虑到了电动汽车电池的三个主要表征参数,即电压、温度和SOC,而且具备独特结构和设计,其中包括的超参数都预先得到优化,也可离线接受训练。

此外,研究人员还研发了一种方法,以进行天气-车辆-驾驶员分析。该方法考虑到天气和驾驶员行为对电池系统性能的影响,最终能够提升模型的预测精度。此外,研究人员还采用了提前中途退出的方法,通过在训练前确认最合适的参数,以防止LSTM模型过度拟合。

对该LSTM模型进行评估和仿真测试之后得出了非常好的结果,新方法无需额外的时间来处理数据,而且比其他电池参数预测策略表现得更好。研究人员收集的结果表明,该模型可用于判断各种电池故障,并及时向驾驶员和乘客发出通知,以避免发生致命事故。

研究人员发现,在完成离线训练之后,LSTM模型可以快速准确地完成在线预测。换句话说,离线训练并没有降低该模型预测的速度和准确性。


征稿、访谈、专题合作邮件:
tougao@instrumentsinfo.com
版权与免责声明:
凡本网注明“来源:仪器设备网”的所有作品,版权均属于山东新路领航信息技术有限公司-中国仪器设备网合法拥有版权或有权使用的作品,未经本网授权不得转载、摘编或利用其它方式使用上述作品。 已经本网授权使用作品的,应在授权范围内使用,并注明“来源:中国仪器设备网,http://www.instrumentsinfo.com”,违反上述声明者,本网将追究相关法律责任。 本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,我们将及时作出删除或修改,否则视为放弃相关权利。
转载本站原创文章请注明来源:仪器设备网
热门展会
第五届上海国际化工自动化控制及仪器仪表装备展览会
时间:2018年08月23日-25日
主办:中国化工装备协会 中国化工企业管理协会 中国化工机械动力技术协会 广东省石油和化学工业协会 广东省化工学会 振威展览股份
地点:
2019年11月多国仪器仪表展览会
时间:2019年11月25日-27日
主办:中国仪器仪表学会
地点: 北京市海淀区知春路6号锦秋国际大厦A座23层2301室
关于中国蛋白药物质量联盟2019年中国蛋白药质量与技术创新研讨会的通知
时间:2019年07月27日-28日
主办:中国蛋白药物质量联盟
地点:
2019年8月31第四届全国样品制备学术报告会通知(第一轮)
时间:2019年08月31日-01日
主办:中国仪器仪表学会分析仪器分会样品制备学术委员会
地点:
扫码关注 仪器设备网公众号
随时随地了解仪器设备