将电化学建模与机器学习集成用于锂离子电池
系统与控制
2021-07-26 v5 机器学习
系统与控制
摘要
锂离子电池（LiBs）的数学建模是先进电池管理的核心挑战。本文提出一种将基于物理的模型与机器学习相集成以实现 LiBs 高精度建模的新方法。该方法独特地提议将物理模型的动态状态告知机器学习模型，从而实现物理与机器学习之间的深度集成。我们基于该方法提出两种混合物理-机器学习模型，将带热动力学的单粒子模型（SPMT）与前馈神经网络（FNN）相融合，以对 LiB 的动态行为进行物理信息学习。所提模型结构相对简洁，且如大量仿真所示，即便在高倍率（C-rates）下也能提供可观的预测精度。
引用
@article{arxiv.2103.11580,
title = {Integrating Electrochemical Modeling with Machine Learning for Lithium-Ion Batteries},
author = {Hao Tu and Scott Moura and Huazhen Fang},
journal= {arXiv preprint arXiv:2103.11580},
year = {2021}
}
备注
7 pages, 8 figures, 4 tables, 2021 American Control Conference(ACC)