<span lang="FA">تخمین زمانی وضعیت سلامت باتری های <span dir="LTR">NiMH<span lang="FA"> با استفاده از شبکه <span dir="LTR">GRU<span lang="FA"> و مدل جنگل تصادفی

تخمین وضعیت سلامت باتری (SOH) برای عملکرد مطمئن سیستم های مدیریت باتری، به ویژه در خودروهای هیبریدی که از باتری های نیکل–فلز هیدرید استفاده می کنند، اهمیت دارد. در این مطالعه، یک روش داده محور برای تخمین شاخص SOH باتری NiMH بر اساس داده های ولتاژ و جریان ارائه شده است. از دیدگاه ساخت و تولید، روش پیشنهادی می تواند منجر به بهبود کنترل کیفیت، کاهش زمان آزمون پایان خط و کاهش وابستگی به آزمون های طولانی ظرفیت شود. داده ها با استفاده از بستر ابزار دقیق آزمایشگاهی شامل اندازه گیری ولتاژ، جریان و کنترل بار جمع آوری شدند. داده های خام با اعمال محدودیت های فیزیکی پالایش شدند تا داده های ثبت شده غیرعادی حذف شده و در عین حال هر دو رژیم جریان پایین و جریان بالا حفظ شوند. سپس داده های پالایش شده به پنجره هایی با طول ثابت تقسیم شده و ویژگی های مرتبط با ولتاژ و جریان استخراج گردیدند. برای تخمین شاخص SOH، دو مدل جنگل تصادفی و شبکه GRU ارزیابی شدند. بهترین عملکرد GRU در طول توالی ۲۰ با مقادیر RMSE = ۰.۰۰۵۰۲۲، MAE = ۰.۰۰۳۰۱۲ و R² = ۰.۹۹۶۱۷۷ به دست آمد. در مقایسه در شرایط یکسان، جنگل تصادفی به مقادیر RMSE = ۰.۰۱۶۴۰۲، MAE = ۰.۰۰۳۹۵۰ و R² = ۰.۹۵۹۲۲۵ دست یافت. نتایج نشان دادند هر دو مدل می توانند شاخص SOH را تخمین بزنند، اما GRU با استفاده از اطلاعات زمانی پنجره های متوالی عملکرد بهتری ارائه داد. همچنین نتایج نشان داد که افزایش بیش از حد طول توالی لزوما باعث بهبود دقت نشده و می تواند عملکرد مدل بازگشتی را کاهش دهد.

کلیدواژه ها:

باتری NiMH ، شاخص SOH ، شبکه GRU ، جنگل تصادفی ، کنترل کیفیت ، آزمون پایان خط ، ابزار دقیق