【期刊】中山大学张云蔚副教授及团队JMI研究论文 | 基于CNN-BiLSTM模型的锂离子电池健康预测

文章预览

题目： Lithium-ion battery health prognosis via electrochemical impedance spectroscopy using CNN-BiLSTM model 作者： Zhihang Liu, Yi Sun, Yutian Li, Yuyang Liu*, Yue Chen*, Yunwei Zhang* 第一作者及单位：刘志航1，2 1. 中山大学物理学院，广州510275 2. 广东省磁电物性分析与器件重点实验室，广州510275 DOI:  10.20517/jmi.2024.09    导读 锂离子电池健康预测对于保障电池安全至关重要。然而，由于锂电池复杂的老化机制和多变的循环条件，准确预测电池健康状态十分具有挑战性。近期，中山大学张云蔚副教授与香港大学陈粤副教授、幻量科技CEO刘雨阳博士等人合作，基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）开发了一种混合深度学习模型。该模型通过分析电化学阻抗谱大数据，实现了更准确的锂电池健康状态评估和剩余使用寿命预测，以及全生命周期的容量退化轨迹预测。研 ………………………………