研究人员开发了新的锂离子电池健康状态（SOH）估计方法，特别是在标记数据稀缺的情况下。一种方法利用降解对齐的自监督学习和CNN-GRU模型，即使只有1%的标记数据也能实现低误差率。另一种方法采用物理信息神经网络，利用电池部分放电数据实时估计SOH并预测退化，为异构操作条件提供了更稳健的解决方案。 AI
影响 电池健康监测的AI进展可能带来更安全、更高效的储能系统和电动汽车。
排序理由 两篇arXiv论文展示了用于电池健康估计的AI方法的创新研究。
- arXiv
- Convolutional Neural Network-Gated Recurrent Unit (CNN-GRU)
- Lithium-ion batteries
- Physics-informed neural networks
- Self-supervised learning (SSL)
- State-of-health (SOH) evaluation on lithium-ion battery by simulating the voltage relaxation curves
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
