یک چارچوب انتها به انتها برای تخمین وضعیت سلامت و پیش بینی عمر مفید باقی مانده باتری های لیتیومی مبتنی بر شبکه عصبی بازگشتی

وضعیت سلامت و عمر مفید باقیمانده باتری های لیتیوم یون، درجه پیری فعلی باتری ها را از دیدگاه های مختلف توصیف می کند و تخمین دقیق و کارآمد سلامت باتری برای استفاده ایمن از آنها ضروری است.برای بهبود اثربخشی و دقت مدل های ارزیابی سلامت باتری های لیتیومی ما یک رویکرد جدید از ساخت یک مدل شبکه ترکیبی با استفاده از شبکه عصبی کانولوشنال و شبکه کوتاه مدت دوجهته بلند مدت و مکانیزم توجه برای تخمین ظرفیت باتری لیتیومی و به دنبال آن محاسبه وضعیت سلامت و تخمین عمرباقی مانده باتری.این شبکه با بهره گیری از شبکه عصبی کانالوشنال برای استخراج ویژگی های موثر از شاخص های سلامت باتری و با ترکیب آن با شبکه کوتاه مدت دوجهته بلند مدت از ویژگی اثربخشی این شبکه در رسیدگی به مشکلات سری زمانی و توانایی آن در گرفتن وابستگی های بلند مدت در داده ها بهره میبریم.ما همچنین از یک مکانیزم توجه استفاده میکنیم که به مدل ما اجازه می دهد تا بر روی بخش های خاصی از داده های ورودی تمرکز کند و وزن های مختلفی به ورودی اختصاص دهد این کار باعث میشود که مدل بتواند اطلاعات مهم تری را شناسایی کند و درنتیجه دقت پیش بینی های خود را افزایش دهد.نتایج آزمایش ها نشان میدهد که مدل پیشنهادی ما قادر به تخمین دقیقی از عمر باقی مانده باتری های لیتیوم یونی است

کلیدواژه ها:

باتری لیتیوم یونی ، شبکه عصبی کانالوشن ، شبکه کوتاه مدت دوجهته بلند مدت ، مکانیزم توجه ، عمر مفید باقی مانده