PID-based CNN-LSTM for accuracy-boosted virtual sensor in battery thermal management system

PID控制器 计算机科学 电池(电) 卷积神经网络 实时计算 人工神经网络 控制理论(社会学) 人工智能 控制工程 温度控制 控制(管理) 工程类 量子力学 物理 功率(物理)
作者
Jiahang Xie,Rufan Yang,Hoay Beng Gooi,Hung D. Nguyen
出处
期刊:Applied Energy [Elsevier]
卷期号:331: 120424-120424 被引量:18
标识
DOI:10.1016/j.apenergy.2022.120424
摘要

Battery thermal management is essential to achieve good performance and a long battery system lifespan in electric vehicles and stationary applications. Such a thermal management system is dependent on temperature monitoring, which is frequently hampered by the limited sensor measurements. The virtual sensor is brought forward to overcome this physical restriction and provide broader access to the battery’s temperature distribution. Through leveraging the combined convolutional neural network (CNN) and long short-term memory (LSTM) networks to extract both spatial and temporal information from the data, this paper proposes a novel virtual sensing platform. A PID compensator is included to offer auxiliary correction to the inputs and drive the prediction error to zero over time in a feedback loop. Off-line and online modes of this CNN-LSTM virtual sensor are considered. The network, which is trained off-line, will work with the PID compensator in the online mode with real-time sensor data. With the PID-based accuracy-boosted virtual sensor, the performance of the trained CNN-LSTM prediction on real-time data inputs is improved. Besides, this PID compensator reduces the number of hyper-parameters to be tuned. Based on control theory, the design of PID and its analysis are presented as well. With generated battery thermal data, numerical simulations show that the CNN-LSTM-PID virtual sensing framework can achieve the real-time prediction error reduction rate to 35.52% on average with 18.78% less online calculation time.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
苽峰完成签到,获得积分10
2秒前
YYY发布了新的文献求助10
2秒前
Akim应助oooy采纳,获得10
2秒前
孤行者举报剁辣椒蒸鱼头求助涉嫌违规
2秒前
今夕何夕应助......采纳,获得30
3秒前
慕青应助优美的谷芹采纳,获得10
4秒前
JY完成签到,获得积分10
5秒前
llllissa完成签到,获得积分10
7秒前
善良的小白菜完成签到,获得积分20
7秒前
爱静静应助huang采纳,获得30
8秒前
乔巴man完成签到,获得积分10
10秒前
10秒前
Karry完成签到 ,获得积分10
11秒前
juziyaya应助wwwq采纳,获得30
12秒前
12秒前
Typing发布了新的文献求助10
12秒前
13秒前
子昱完成签到 ,获得积分10
14秒前
个性的紫菜应助windmill采纳,获得50
14秒前
15秒前
racill发布了新的文献求助30
15秒前
17秒前
充电宝应助科研通管家采纳,获得10
17秒前
所所应助科研通管家采纳,获得10
18秒前
完美世界应助科研通管家采纳,获得10
18秒前
田様应助科研通管家采纳,获得10
18秒前
科研通AI2S应助科研通管家采纳,获得10
18秒前
小蘑菇应助科研通管家采纳,获得10
18秒前
18秒前
Hello应助科研通管家采纳,获得10
18秒前
早睡早起身体好完成签到,获得积分10
19秒前
liu完成签到,获得积分10
19秒前
汉堡包应助Aline采纳,获得10
20秒前
爱静静应助castiron采纳,获得10
22秒前
Monest发布了新的文献求助10
22秒前
24秒前
zcz发布了新的文献求助10
26秒前
搜集达人应助xzwxzw采纳,获得10
27秒前
28秒前
Vivian完成签到,获得积分10
28秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3252527
求助须知:如何正确求助?哪些是违规求助? 2895239
关于积分的说明 8285519
捐赠科研通 2563920
什么是DOI,文献DOI怎么找? 1391993
科研通“疑难数据库(出版商)”最低求助积分说明 652003
邀请新用户注册赠送积分活动 629282