全球微动态丨基于人工智能的锂离子电池健康状态估计
2022年7月27日,湖南省长沙市成功举办了“2022汽车技术与装备国际论坛”。英国拉夫堡大学航空和汽车工程系助理教授张元建博士在题为“新能源汽车安全技术创新”第五分论坛上通过远程视频作了“基于人工智能的锂离子电池健康状态估计”的报告,分享了其团队在人工智能及人工智能锂离子电池健康观测方面的研究工作。
(资料图)
围绕锂离子电池健康状态的观测,从以下三个方面着手研究:
1、验证和探究输入特征对于不同智能人工模型对电池健康状态观测精度的影响;
2、对于不同数据集规模基于人工智能的电池健康状态观测的影响;
3、不同的人工智能模型在迁移学习能力的验证。
01、
人工智能应用于电池健康观测
对于验证和探究输入特征对于不同智能人工模型对电池健康状态观测精度的影响方面,当前的人工智能应用于电池健康观测可分为浅层机器学习模型和深度学习模型,两种模型对数量和类别的敏感度是不同的,如何让两种模型的潜力得到最大的发挥,是其研究的关注焦点。
不同的人工智能模型在迁移学习能力的验证,人工智能模型需要大量的训练集,训练集的获取和成本耗时高,探究一种能小样本、低成本且获得较好验证结果的模型对应用人工智能具有重大意义。当前大量的人工智能的训练使用实验室环境获得数据集,涵盖的电池数据变化范围低于实际使用过程。
02、
获取电池研究的训练集和测试集
在数据的获取与前处理方面,团队历时两年多进行充放电循环实验数据收集,数据记录已到20位,每隔固定的循环次数记录一次充放电过程,并对电池的变化特征进行相关的记录。
选取充放电过程中一段容量呈线性关系变化的区域根据对应的电压区间,截取电池相关数据特征处理,获取特征向量来组成电池研究的训练集和测试集。
03、
机器学习训练过程及结果分析
机器学习训练过程
是根据输入特征和输出特征构成一个映射函数,来实现学习的过程和对于电池健康状态的观测。
团队研究了几种目前常有的机器学习方法和机器学习模型,包括线性回归(LR)、高斯过程回归(GPR)、支持向量回归(SVR)、随机森林(RF)。
机器学习结果分析,图中训练集红色框标注区域为前450个充放电循环,测试集为450个循环之后的剩余充放电循环,从开始到850个循环后电池出现衰减。机器学习模型基本上能反映电池衰减趋势,有些模型难以贴合实际工况。测试集中黄色点表示原始数据,绿色点表示预测数据,可以看到线性回归(LR)和原始森林(GPR)难以反映实际衰减的容量变化过程。
04、
深度学习模型及其优势
深度学习模型
也是构建一个输入和输出的映射函数,其输入特征是将多个特征并排排列输入,处理多个特征之间的关系,具有更高的潜力来完成电池容量预测的任务。
团队对几种深度学习方法进行相关研究,包括前馈神经网络(FNN)、卷积神经网络(CNN)和循环神经网络(GRU)。训练集和测试集相对和机器学习模型一致,通过对比可知,深度学习模型比机器学习模型表现更好一些,对电池衰减过程的模拟更接近实际值,深度学习模型具有更好的应用潜力。
05、
任务一:验证输入特征的影响
通过输入特征对于不同模型的影响验证可知,机器学习型模型将特征展开成为一个一维向量集进行输入相关函数关系的,向量过长对于训练的效果不佳,要求我们选择合适的特征类别和特征数量输入。对于深度学习模型来说,由多个向量并排进行输入,理论上具备更好的多特征处理能力,对特征的数量和敏感度稍微降低一些。
特征工程研究中,对训练集的处理使用了归一化。不同归一化方法对于特征学习模型的研究有较大的影响。通过CNN深度学习模型来验证不同的归一化方法对于特征影响的相关研究发现,均值方差归一化效果最好。
06、
任务二:验证数据集大小的影响
数据集大小
的影响研究主要是对不同深度学习模型进行比较分析,在完成小样本训练的情况下得到较好的电池健康状态观测效果。其方法为选取不同的训练集规模,比较不同深度学习模型在不同训练集规模的情况下具备的能力,最终筛选出一种较好的深度学习模型。通过电池规模对于深度学习模型电池观测精度影响研究可知,RseMLP模型在第4个循环的时候其效果已经得到较好的发挥,具备较好的小样本的训练和应用能力。
全新电池开始调节数据训练集在数据集的构建上是不合理的,老化的数据和相对较新的数据存在一定的差异,导致结果的误差。
每个电池都由全新的开始记录每一次充放电数据在实际过程中是不可能实现的,为模拟日常使用工况,电池并不是每次进行一个完整的充放电循环,随机挑选数据中任意老化阶段的充放电数据作为数据集,选择不同的比率来验证在不同测试集和实验集比率下深度学习模型的表现情况。
不同的训练集和测试集比率所带来的影响研究表明,训练集越多,效果表现越好。
07、
任务三:验证模型迁移学习的能力
从相关研究中了解到,要保持较好的预测结果,不只需要一定的充放电次数,也需要一定的工况数量。重新训练新的模型可以通过小样本模型训练结果减少实验成本和时间成本。
通过一些选择的实验室数据完成深度学习模型的训练,具备较好的拟合能力,达到最初的研究设想。
高效人工智能模型训练可进行
迁移学习,先进行源数据的构建,分为源数据的训练集、验证集和预测集。进行模型初步训练,将获取目标训练集后以小样本目标数据集进行相关迁移训练,完成最终模型的迁移应用。此方法适合于将人工智能模型应用在电动汽车的BMS系统中。
责任编辑:hnmd003
相关阅读
-
【天天速看料】CARLA-GEAR: 为视觉模型对抗鲁棒性系统评估的数据生成器
arXiv论文“CARLA-GEAR:ADatasetGeneratorforaSystematicEvaluationofAdversarialRobustnessofVisionMod...
2022-08-09 -
当前时讯:选择EXV对PHEV/BEV汽车空调系统性能和仿真方法进行优化
由于燃料消耗标准的提高,纯电动汽车(BEV)和插电式混合动力汽车(PHEV)在汽车行业变得越来越普遍。在此类...
2022-08-08 -
每日观察!博鳌·现场丨邵宇:只会造房子的经济体没有未来,不会造房子的经济体没有当下
8月8日至11日,2022博鳌房地产论坛在广州举办。东方证券(600958)总裁助理、首席经济学家邵宇发表了《地...
2022-08-09 -
当前热议!博鳌·现场丨陈淮:取消预售制不是避免地产断供危机的好办法
8月8日至11日,2022博鳌房地产论坛在广州举办。社科院大学城乡建设经济系教授陈淮发表了《房地产周期与...
2022-08-09 -
资讯推荐:博鳌丨贾康:要根据房地产回暖进程 再给出房产税改革试点扩容的指导
8月9日,2022博鳌房地产论坛在广州开幕。华夏新供给经济学研究院院长、中国财政科学研究院研究员贾康在...
2022-08-09 -
环球焦点!博鳌·现场丨陈启宗:房地产成为“疯子”的行业 转行也是一种机遇
8月9日,2022博鳌房地产论坛在广州举办。会上,恒隆集团、恒隆地产有限公司董事长陈启宗发表了《如何把...
2022-08-09 -
环球今热点:博鳌丨陈淮:房企困境的根源在于经营之道 而非企业属性的必然结果
8月9日,2022博鳌房地产论坛在广州开幕。社科院大学城乡建设经济系教授陈淮在接受媒体采访时表示,房地...
2022-08-09 -
【天天速看料】CARLA-GEAR: 为视觉模型对抗鲁棒性系统评估的数据生成器
arXiv论文“CARLA-GEAR:ADatasetGeneratorforaSystematicEvaluationofAdversarialRobustnessofVisionMod...
2022-08-09
阅读排行
资讯播报
- 持续的高温高湿天气让很多人感觉...
- 不要因为减肥就舍弃早饭和晚饭 ...
- 爸爸糖开创夏季吐司新吃法
- 潜在的生物性别差异导致大多数类...
- 水源地成选水核心标准 昆仑山矿...
- 明月镜片携手中科院长春光机所、...
- 打破教师终身制且五年一审 河南...
- 教师资格证合格证明过期将无法进...
- 河南教师资格证合格证明有效期一...
- 世界热资讯!短道速滑运动员任子...
- 花少4哪位嘉宾和节目组预想的反...
- 现场动作捕捉和虚拟拍摄结合开了...
- 黑色套装搭配微卷长发 甘婷婷现...
- 速读:中国宝安:鲲鹏新产业一致...
- 世界速看:中天金融:金世旗再减...
- 观速讯丨石榴置业“19石榴04”回...
- 利用隐秘形式继续压榨粉丝剩余的...
- 全球播报:富元国际料前6月录得应...
- 不断更新迭代保持新鲜度 主题乐...
- 政策和市场环境的转好 “夕阳产...
- 环球信息:常州滨湖建设发展集团...
- 当前关注:柠檬影视每股定价27.7...
- 天天热消息:机构:7月新建商品...
- 当前报道:首套房首付比例35% 北...
- 环球资讯:四部门联合发文 推进...
- 【全球新视野】深圳楼市调查:二...
- 当前报道:中国男排亚洲杯首战获胜
- 环球简讯:海外作战不再艰难,中...
- 世界关注:正荣地产前7个月合约...
- 全球微动态丨夜读·房企融资|首...
- 天天观点:全国各地积极开展全民...
- 全球播报:恒大南昌子公司所持盛...
- 环球热讯:奥林匹克中心区综合提...
- 当前速看:这是一个“全新的博鳌...
- 天天实时:一场省运会足球赛被骂...
- 世界通讯!阳光城将进行董事局换...
- 世界焦点!营造健康生活方式 贵...
- 当前简讯:弘阳地产前7个月合约销...
- 每日播报!保利置业前7个月合同销...
- 今头条!NYBO全国总决赛战幕拉开...
- 每日聚焦:汽车工程师解读:两驱...
- 【天天播资讯】弘阳地产前7月合...
- 环球今亮点!花式还债一年,富力...
- 世界看点:2022泛舟中国·全国皮...
- 全球聚焦:安徽安庆公积金新政:...
- 焦点速读:宝龙地产前7个月合约...
- 环球最资讯丨纾困预期下,地产股...
- 环球动态:大连康养产业集团正式...
- 今日热议:国家速滑馆举办全民健...
- 宝贝与我蓝曦 科学营养助力儿童...
- 快报:实力坑娃!父亲挪用资金搞...
- 当前热门:大数据报告 | 一孩...
- 当前时讯:选择EXV对PHEV/BEV汽...
- 热门看点:武汉:住房租赁企业应...
- 当前快讯:华依科技自动驾驶测试...
- 天天快看:富力地产2021年盈转亏...
- 最新资讯:标准解读 | 高温预...
- 【全球新视野】7月房企融资规模...
- 焦点!富力地产2021年巨亏163亿...
- 每日精选:张宁:希望通过羽毛球...
- 环球今日报丨中年人“潮玩”热:...
- 天天报道:2022越山向海中国赛落...
- 全球动态:弘阳地产1-7月合约销售...
- 全球头条:泛海控股:广州农商行...
- 百事通!深天地及子公司累计新增...
- 每日焦点!我国有270万名社会体...
- 全球微头条丨国产大型邮轮迈入“...
- 每日信息:中原:港二手居屋买卖...
- 前沿资讯!北京朝阳和河北张家口...
- 天天实时:天问一号火星能量粒子...
- 新资讯:侨银股份预中标南昌西湖...
- 热消息:广州市体育节设大众冰雪...
- 世界即时:新城控股:1-7月累计...
- 【世界播资讯】和讯曝财报丨粤泰...
- 天天微资讯!沈阳市全民健身日在...
- 【环球报资讯】【全民健身日】贴...
- 环球资讯:亚运会历史上首套动态...
- 观点:我爱我家:五八有限公司在...
- 天天观天下!全民健身系列活动在...
- 以谋求人类健康美丽福祉为己任,...
- no.238源生美学e涵水双组合,开...
- 热点聚焦:张扬说丨全民健身日,...
- 品牌价值破500亿,雷士照明新掌...
- 每日速读!美好置业:部分延期交...
- 世界今日讯!100秒!看杭州亚运...
- 环球实时:电驱动系统应用概述-轴承
- 环球热讯:武汉智能网联汽车测试...
- 世界焦点!镇江城建完成发行7亿...
- 今日热闻!一种基于传统变速箱的4...
- 天天精选!调查:2021年北京市居...
- 微速讯:永辉超市拟回购不超1.5...
- 【世界速看料】ASAM OpenScenar...
- 天天新消息丨从所有驾驶的车辆中...
- 【快播报】首旅集团发行15亿元中...
- 今日关注:中国奥园出售澳洲附属...
- 世界要闻:王府井:因工作调动 ...
- 天天微头条丨上海君康金融广场司...
- 焦点报道:美好置业:部分被冻结...
- 2022年首届全民太极大会在京拉开序幕
- 每日关注!太古地产将在大湾区开...