亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Advanced State-of-Health Estimation for Lithium-Ion Batteries Using Multi-Feature Fusion and KAN-LSTM Hybrid Model

均方误差 电池(电) 健康状况 计算机科学 荷电状态 电压 均方根 航程(航空) 平均绝对误差 锂离子电池 特征(语言学) 人工智能 功率(物理) 材料科学 统计 数学 电气工程 工程类 哲学 复合材料 物理 量子力学 语言学
作者
Zhao Zhang,Runrun Zhang,Xin Liu,Chaolong Zhang,Gengzhi Sun,Yujie Zhou,Yang Zhong,X. Liu,Shi Chen,Xinyu Dong,Pengyu Jiang,Zhexuan Sun
出处
期刊:Batteries [MDPI AG]
卷期号:10 (12): 433-433 被引量:9
标识
DOI:10.3390/batteries10120433
摘要

Accurate assessment of battery State of Health (SOH) is crucial for the safe and efficient operation of electric vehicles (EVs), which play a significant role in reducing reliance on non-renewable energy sources. This study introduces a novel SOH estimation method combining Kolmogorov–Arnold Networks (KAN) and Long Short-Term Memory (LSTM) networks. The method is based on fully charged battery characteristics, extracting key parameters such as voltage, temperature, and charging data collected during cycles. Validation was conducted under a temperature range of 10 °C to 30 °C and different charge–discharge current rates. Notably, temperature variations were primarily caused by seasonal changes, enabling the experiments to more realistically simulate the battery’s performance in real-world applications. By enhancing dynamic modeling capabilities and capturing long-term temporal associations, experimental results demonstrate that the method achieves highly accurate SOH estimation under various charging conditions, with low mean absolute error (MAE) and root mean square error (RMSE) values and a coefficient of determination (R2) exceeding 97%, significantly improving prediction accuracy and efficiency.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
NingJi应助机智的石头采纳,获得10
10秒前
15秒前
下载论文真费劲完成签到,获得积分10
25秒前
从容又菡完成签到 ,获得积分10
25秒前
28秒前
29秒前
30秒前
争争向荣发布了新的文献求助10
32秒前
科研启动发布了新的文献求助10
36秒前
ly完成签到,获得积分10
40秒前
LiangRen完成签到 ,获得积分10
43秒前
53秒前
争争向荣完成签到,获得积分20
54秒前
讨厌乐跑完成签到 ,获得积分10
1分钟前
1分钟前
友好碧完成签到 ,获得积分10
1分钟前
犹豫书瑶发布了新的文献求助10
1分钟前
耳东陈完成签到 ,获得积分10
2分钟前
Murphy完成签到,获得积分10
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
和谐诗双完成签到 ,获得积分10
2分钟前
TXZ06完成签到,获得积分10
2分钟前
科研通AI6.1应助LYCORIS采纳,获得10
2分钟前
NingJi应助凉宫八月采纳,获得10
3分钟前
3分钟前
顺心的皓轩完成签到,获得积分10
3分钟前
3分钟前
3分钟前
3分钟前
NingJi应助哈哈哈采纳,获得10
3分钟前
3分钟前
3分钟前
852应助赫连山菡采纳,获得10
3分钟前
糟糕的蘑菇完成签到,获得积分10
3分钟前
3分钟前
赫连山菡发布了新的文献求助10
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Modern Epidemiology, Fourth Edition 5000
Handbook of pharmaceutical excipients, Ninth edition 5000
Digital Twins of Advanced Materials Processing 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Polymorphism and polytypism in crystals 1000
Social Cognition: Understanding People and Events 800
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 纳米技术 有机化学 物理 生物化学 化学工程 计算机科学 复合材料 内科学 催化作用 光电子学 物理化学 电极 冶金 遗传学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 6027743
求助须知:如何正确求助?哪些是违规求助? 7680318
关于积分的说明 16185717
捐赠科研通 5175157
什么是DOI,文献DOI怎么找? 2769266
邀请新用户注册赠送积分活动 1752672
关于科研通互助平台的介绍 1638444