基于SSA-LSTM的锂离子电池寿命预测
郭玄
朱凯
江苏理工学院汽车与交通工程学院,江苏常州 213001
摘要：由于锂离子电池经循环使用、环境变化易出现材料老化和缩短使用寿命等问题,很大程度上影响电池健康状态,因此研究其掌握电池老化规律,从而预测其使用寿命有着积极的意义.为提高电池健康状态的预测精度,使用能够更好预测长序列的长短期记忆神经网络(LSTM),并针对其模型超参数调整困难、收敛速度慢等问题,提出将LSTM和麻雀搜索算法SSA相结合的SSA-LSTM算法,将LSTM模型参数作为SSA的参数优化目标来完成建模和预测.实验结果表明SSA-LSTM算法预测准确性较高,有较好的应用价值.
关键词：长短期记忆神经网络麻雀搜索算法锂离子电池电池健康状态
分类号：TM912(独立电源技术（直接发电）)
论文发表日期：2021-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 131-135 )
英文信息