基于希尔伯特—施密特独立性准则的门控循环单元网络用于健康状态估计
机器学习
2023-03-17 v1 人机交互
神经与进化计算
摘要
健康状态（SOH）估计是保障电池安全可靠运行的关键步骤。由于不同循环中数据分布与序列长度多变等问题，大多数现有方法需要健康特征提取技术，这往往耗时耗力。GRU 因结构简单且性能优越，能很好解决该问题，受到广泛关注。然而，网络内部仍存在冗余信息，影响 SOH 估计精度。为此，提出一种基于希尔伯特—施密特独立性准则（GRU-HSIC）的新型 GRU 网络。首先，使用零掩码网络将每个循环测得的不同长度的所有电池数据转换为等长序列，同时保留各循环原始数据量的信息。其次，将源自信息瓶颈（IB）理论的希尔伯特—施密特独立性准则（HSIC）瓶颈扩展至 GRU，以压缩隐藏层信息。为评估所提方法，我们在马里兰大学先进生命周期工程中心（CALCE）与 NASA Ames 预测卓越中心的数据集上进行了实验。实验结果表明，我们的模型取得了比其他循环模型更高的精度。
引用
@article{arxiv.2303.09497,
title = {Gate Recurrent Unit Network based on Hilbert-Schmidt Independence Criterion for State-of-Health Estimation},
author = {Ziyue Huang and Lujuan Dang and Yuqing Xie and Wentao Ma and Badong Chen},
journal= {arXiv preprint arXiv:2303.09497},
year = {2023}
}