欧美色盟,色婷婷AV一区二区三区之红樱桃,亚洲精品无码一区二区三区网雨,中国精品视频一区二区三区

歡迎來到化學加！萃聚英才，共享化學！化學加，加您更精彩！客服熱線：400-8383-509
  1. 首頁
  2. 資訊

eTransportation：華東理工在基于深度學習的動力電池壽命預測方法的最新研究進展

來源：華東理工大學      2023-09-22
導讀：9月4日，華東理工大學機機械與動力工程學院、先進電池系統與安全重點實驗室欒偉玲教授課題組與我校國家高層次人才、講席教授陳浩峰教授合作，在全球交通科學與技術領域頂級期刊eTransportation發表了題為“Interpretable deeplearning for accelerated fading recognition of lithium-ion batteries”的研究論文，首次提出了一個用于鋰電池壽命預測相關的可解釋性深度學習框架。
image.png

在鋰電池壽命預測領域，建立全面的電池老化模型一直是一項艱巨任務，因此數據驅動方法正受到越來越多的關注。深度學習已被證明是電池應用領域中一種強大的數據驅動擬合方法。然而，可解釋性仍然是該領域面臨的挑戰，限制了深度學習方法的實際應用。隨著可解釋技術的發展，深度學習不僅可以作為黑盒工具，還可以用于探索外部電池數據與內部電化學變化之間的關系。研究團隊提出了一種可解釋的深度學習框架，利用梯度加權類激活映射（Grad-CAM）來解釋訓練好的卷積神經網絡（CNN）模型的輸入和輸出之間的聯系。
image.png
研究團隊通過鋰電池容量衰退拐點識別任務對可解釋的深度學習框架進行了演示。研究結果表明，該深度學習模型在有效預測電池容量衰退拐點的基礎上，可以敏銳捕捉與電池老化機制相關的特征，其中包括人類尚未完全理解的關鍵特征。此外，通過在不同預測任務（考慮多種電池體系、實際工況和數據集）中驗證該方法，展現了該框架優秀的可遷移性。在無先驗知識的情況下，該可解釋的深度學習框架可以為研究者理解復雜電池老化機理提供新見解。該可解釋性深度學習方法的提出為電池相關領域的數據驅動研究提供了新的思路，將積極推動人工智能技術在先進電池設計開發及安全使用方面的廣泛應用。
華東理工大學機動學院博士研究生王暢和博士后陳瑩為該論文的共同第一作者，欒偉玲教授和陳浩峰教授為共同通訊作者。該研究工作得到了國家自然科學基金和中國博士后科學基金等經費資助。研究團隊所在的先進電池系統與安全重點實驗室，圍繞電池安全評價理論、安全檢測方法及安全保障技術等關鍵研究方向，致力于先進電池系統與安全的應用基礎研究和核心技術攻關。


聲明：化學加刊發或者轉載此文只是出于傳遞、分享更多信息之目的，并不意味認同其觀點或證實其描述。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們將及時更正、刪除，謝謝。 電話：18676881059，郵箱：gongjian@huaxuejia.cn