论文全文 - 设计智能制造2023学术年会 数字孪生与智能制造技术
神经网络因其出色的非线性拟合及自学习能力,已经被广泛应用于锂离子电池荷电状态(State of charge, SOC)估计。但锂离子电池瞬态数据的大幅度波动会造成神经网络估计SOC的波动,且神经网络的大小限制了其在嵌入式设备中的搭载。为解决以上问题,该文利用Savitzky-Golay(SG)滤波对锂离子电池瞬态数据进行平滑去噪处理以降低SOC估计波动,并利用模型剪枝方法对神经网络模型内部参数进行剪枝以降低模型大小,随后通过马里兰大学公共数据集对提出方法进行了系统性验证。结果表明,利用SG滤波对锂离子电池瞬态数据进行平滑去噪后再输入神经网络能够有效降低模型SOC估计波动并提高估计准确性,而利用剪枝方法对模型冗余参数进行剪枝可以在不影响模型SOC估计准确性的前提下有效降低模型大小。
查看