近年來隨著國家對新能源產(chǎn)業(yè)的大力扶持,動力電池的應(yīng)用場景也越來越廣泛,然而熱場失衡問題仍是制約著動力電池性能提升的瓶頸之一,因此電池熱管理系統(tǒng)越來越受到業(yè)內(nèi)人士的重視。基于熱力學等溫度場模型由于需要很多確定性的材料參數(shù)、容易受環(huán)境溫度影響,而且隨著伴隨著電池使用與老化過程,很多物理性、化學性參數(shù)都會發(fā)生改變,這些因素都嚴重限制著此類方法的應(yīng)用范圍;然而完全依賴傳感器網(wǎng)絡(luò)的完備布局方式在工程應(yīng)用中難以實現(xiàn)。為了解決上述問題,本文探索用機器學習方法來解決溫度場壓縮感知問題,針對處于低傳感器壓縮率狀況下的18650動力鋰電池包二維非穩(wěn)態(tài)溫度場在線預(yù)測方法進行研究。為了模擬真實的工況,實驗使用功率可調(diào)的負載,通過校準后的128路熱電偶傳感器對動力電池包溫度場進行完備采樣并將其作為預(yù)測目標,分別使用機器學習中的ElaticNet、KNN、ERT、DNN以及LSTM算法輸入不同傳感器壓縮率下的稀疏采樣數(shù)據(jù)進行離線預(yù)測以及在線驗證,利用預(yù)測的溫度場數(shù)據(jù)與完備采樣的溫度場數(shù)據(jù)之間的差異進行分析評估,結(jié)果表明了在本文實驗環(huán)境下:(1)隨著傳感器壓縮率的不斷增大,總體預(yù)測誤差越來越小,但是傳感器壓縮率增大...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文組織結(jié)構(gòu)
第二章 動力電池包溫度場壓縮感知重建理論
    2.1 溫度場壓縮感知重建理論
    2.2 溫度場實驗系統(tǒng)
        2.2.1 實驗系統(tǒng)介紹
        2.2.2 傳感器校準
    2.3 本章小結(jié)
第三章 動力電池包溫度場重建模型的建立
    3.1 溫度傳感器測量點位置選取
    3.2 重建模型
        3.2.1 ElastcicNet算法模型
        3.2.2 KNN算法模型
        3.2.3 ERT算法模型
        3.2.4 DNN算法模型
        3.2.5 LSTM算法模型
    3.3 重建結(jié)果評估
    3.4 本章小結(jié)
第四章 動力電池包溫度場重建實驗
    4.1 實驗設(shè)計
        4.1.1 實驗對象
        4.1.2 實驗方案
        4.1.3 實驗數(shù)據(jù)預(yù)處理
    4.2 溫度場重建實驗結(jié)果與分析
        4.2.1 溫度場離線數(shù)據(jù)分析
        4.2.2 溫度場在線測試
        4.2.3 溫度場實驗結(jié)論
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 主要創(chuàng)新點
    5.3 未來展望
參考文獻
致謝
攻讀碩士學位期間的科研成果



本文編號：3763030