Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
La estimacin precisa del estado de salud (SOH) de las bateras de iones de litio permite a los usuarios tomar decisiones acertadas sobre su sustitucin y reducir las prdidas econmicas. La precisin de la estimacin del SOH est relacionada con muchos factores, como el tiempo de uso, la temperatura ambiente, la tasa de carga y descarga, etc. Por lo tanto, la extraccin adecuada de caractersticas a partir de los factores mencionados se convierte en un gran reto. Para extraer las caractersticas de la batera de forma efectiva y mejorar la precisin de la estimacin del SOH, este artculo propone una red neuronal con memoria de convolucin temporal (TCMNN), que combina redes neuronales convolucionales (CNN) y memoria a corto plazo (LSTM) mediante una capa totalmente conectada basada en la regularizacin del abandono. En el experimento, se recogen el voltaje terminal y la corriente de carga de la batera durante el proceso de carga, y los conjuntos de datos de entrada y salida se ordenan a partir de los datos experimentales de la batera. Debido al limitado equipamiento del laboratorio, slo se puede cargar y descargar una batera a la vez; la cantidad de datos de batera recogidos es relativamente pequea, lo que afectar a la extraccin de caractersticas durante el proceso de entrenamiento. Para resolver este problema se aplican algoritmos de aumento de datos. Adems, para mejorar la precisin de la estimacin, se utiliza el algoritmo de suavizado exponencial para optimizar los datos de salida. Los resultados muestran que el mtodo propuesto puede extraer y aprender bien la relacin de caractersticas del proceso de carga y descarga del ciclo de la batera en un largo periodo de tiempo. Adems, su precisin es superior a la de la CNN, la LSTM, el algoritmo de retropropagacin (BP) y la red neuronal basada en modelos grises. El error mximo se limita al 3,79%, y el error medio al 0,143%, mientras que la dimensin de los datos de entrada es de 514.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Retos de las futuras VANET y enfoques basados en la nube
Artículo:
Estrategia de mitigación de armónicos feedforward para convertidores monofásicos de fuente de tensión
Artículo:
Modelización estocástica de las precipitaciones en Malasia peninsular mediante modelos de pulsos rectangulares de Bartlett Lewis
Artículo:
Una técnica basada en puntajes difusos extendidos de un solo valor para la toma de decisiones múltiples probabilísticas difusas y con incertidumbre.
Artículo:
Colocación rápida y óptima de réplicas con búsqueda exhaustiva utilizando un procesador de reconfiguración dinámica.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
