基于迁移学习与GRU神经网络结合的锂电池SOH估计

打开文本图片集

摘 要：为解决退役电池梯次利用过程中单体剩余使用寿命估计困难、测试流程复杂与能耗高等问题，提出迁移学习与GRU网络结合的锂离子电池健康状态估计方法；设计的基础模型结构为输入层+GRU层+全连接层+输出层；根据健康因子的得分，选择训练基础模型的数据集、划分电池相似度等级并制定对应的迁移学习策略。实验结果表明：与其他模型相比，分别使用数据集的前40%与前25%训练得到的基础模型与迁移学习模型，两者的精度分别最大提高42.48%与95.28%，而预测稳定性分别最大提高55.38%与93.55%。（剩余12562字）