基于数据驱动的电池容量衰减前循环寿命预测
信号处理
2021-10-20 v1 机器学习
摘要
锂离子电池在多个行业中的普遍使用，随着竞争环境下性价比的持续下降，提供了探索成本节约举措的机会。从手机到电动汽车等应用领域的锂离子电池制造商，都需要知道电池在给定使用寿命下能持续多久。为此需要进行昂贵的测试。本文利用 Kristen A. Severson 等人所实现的数据与方法，探讨该团队使用的研究方法，并给出另一种方法以比较电池容量衰减的预测结果与实际测试数据。基本工作是探究机器学习技术是否可被训练以利用早期循环寿命数据来准确预测电池整个生命周期内的容量。结果展示了高斯过程回归（GPR）与弹性网络回归（ENR）方法间的比较，并突出了 Severson 等人工作中海量数据集所使用的关键数据特征。
引用
@article{arxiv.2110.09687,
title = {Data Driven Prediction of Battery Cycle Life Before Capacity Degradation},
author = {Anmol Singh and Caitlin Feltner and Jamie Peck and Kurt I. Kuhn},
journal= {arXiv preprint arXiv:2110.09687},
year = {2021}
}
备注
28 pages, 11 figures, 1 table, 12 equations