典型文献
基于LE-ELM的锂电池热过程时空建模方法
文献摘要：
锂电池管理系统对于锂电池的效率、寿命和安全至关重要,而电池管理系统对电池的控制、热管理和故障诊断等都需要依赖于准确的电池热过程模型.然而锂电池热过程属于一种具有强非线性特征的分布参数系统,电池内部的温度分布是时空耦合的,并且具有无限维的特性,使得建模存在很大的困难.针对上述问题,本工作提出了一种基于LE-ELM的锂离子电池热过程建模方法.首先使用基于拉普拉斯特征映射(laplacian eigenmaps,LE)的局部非线性降维方法构建空间基函数,以表征系统固有的非线性拓扑特征;利用所得的基函数进行时空分离,获得原始数据的低阶时序表达;然后用极限学习机(extreme learning machine,ELM)以时间系数和对应的电流电压输入信号来近似低阶时序模型.最后集成辨识出的ELM模型与空间基函数,通过时空综合重构出锂离子电池的全局时空模型.为验证算法的有效性,使用所提出的方法对三元软包锂电池热过程进行建模.
文献关键词：
分布参数系统;锂电池热过程;拉普拉斯特征映射;极限学习机
中图分类号：
作者姓名：
吕洲;何波;黄镇泽;梁志勇
作者机构：
广州港科大技术有限公司,广东 广州 511458;广东产品质量监督检测研究院,广东 广州 510670
文献出处：
引用格式：
[1]吕洲;何波;黄镇泽;梁志勇-.基于LE-ELM的锂电池热过程时空建模方法)[J].储能科学与技术,2022(10):3200-3208
A类：
锂电池热过程,锂离子电池热过程,laplacian,eigenmaps
B类：
LE,ELM,时空建模,电池管理系统,热管理,过程模型,强非线性,非线性特征,分布参数系统,池内,温度分布,时空耦合,过程建模,拉普拉斯特征映射,局部非线性,非线性降维,降维方法,空间基函数,表征系统,拓扑特征,时空分离,原始数据,低阶,时序表达,极限学习机,extreme,learning,machine,时序模型,模型与空间,时空综合,时空模型,软包锂电池
AB值：
0.273933
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
