تخمین وضعیت سلامت باتری های لیتیوم-یونی با استفاده از شبکه عصبی آگاه از فیزیک و استخراج ویژگی مستقل از شیمی باتری

این مقاله چارچوبی مبتنی بر شبکه عصبی آگاه از فیزیک (PINN) برای تخمین وضعیت سلامت باتری های لیتیوم یونی ارائه می دهد. روش پیشنهادی با گنجاندن معادلات دیفرانسیل جزئی حاکم بر تخریب باتری در تابع زیان مدل های فیزیک بنیان و داده بنیان را تلفیق می کند. برای بهبود تعمیم پذیری، روشی نوین برای استخراج ویژگی از بازه کوتاه پیش از شارژ، کامل مستقل از شیمی و پروتکل شارژ توسعه یافته است. مدل روی سه مجموعه داده با شیمی های مختلف ارزیابی و با CNN و MLP مقایسه شد. نتایج حاکی از عملکرد برتر PINN با میانگین خطای مطلق ۰/۰۰۷۵۷ و ۰/۰۰۶۱۸ در مجموعه داده های HUST و MIT است.

کلیدواژه ها:

شبکه عصبی آگاه از فیزیک ، تخمین وضعیت سلامت ، مدل سازی تخریب ، یادگیری ماشین ، باتری های لیتیوم-یون