基于一维卷积神经网络与迁移学习估算 xEV 电池荷电状态
信号处理
2021-01-26 v2 机器学习
摘要
本文提出一种基于一维卷积神经网络（CNN）的电动汽车荷电状态估算算法。该 CNN 使用两个公开电池数据集进行训练。研究了不同类型噪声对 CNN 模型估算能力的影响。此外，提出一种迁移学习机制，以使所开发算法具有更好的泛化能力，并在使用与训练模型所用电池化学性质不同的电池时仍能以可接受精度估算。观察到使用迁移学习后，模型可用显著更少的电池数据充分学习。所提方法在估算精度、学习速度与泛化能力方面表现良好。
引用
@article{arxiv.2011.00841,
title = {Estimating State of Charge for xEV batteries using 1D Convolutional Neural Networks and Transfer Learning},
author = {Arnab Bhattacharjee and Ashu Verma and Sukumar Mishra and Tapan K Saha},
journal= {arXiv preprint arXiv:2011.00841},
year = {2021}
}
备注
13 pages