- 首頁
- 資訊
eTransportation：華東理工在基于深度學(xué)習(xí)的動力電池壽命預(yù)測方法的最新研究進(jìn)展
來源：華東理工大學(xué) 2023-09-22
導(dǎo)讀：9月4日，華東理工大學(xué)機機械與動力工程學(xué)院、先進(jìn)電池系統(tǒng)與安全重點實驗室欒偉玲教授課題組與我校國家高層次人才、講席教授陳浩峰教授合作，在全球交通科學(xué)與技術(shù)領(lǐng)域頂級期刊eTransportation發(fā)表了題為“Interpretable deeplearning for accelerated fading recognition of lithium-ion batteries”的研究論文，首次提出了一個用于鋰電池壽命預(yù)測相關(guān)的可解釋性深度學(xué)習(xí)框架。
在鋰電池壽命預(yù)測領(lǐng)域，建立全面的電池老化模型一直是一項艱巨任務(wù)，因此數(shù)據(jù)驅(qū)動方法正受到越來越多的關(guān)注。深度學(xué)習(xí)已被證明是電池應(yīng)用領(lǐng)域中一種強大的數(shù)據(jù)驅(qū)動擬合方法。然而，可解釋性仍然是該領(lǐng)域面臨的挑戰(zhàn)，限制了深度學(xué)習(xí)方法的實際應(yīng)用。隨著可解釋技術(shù)的發(fā)展，深度學(xué)習(xí)不僅可以作為黑盒工具，還可以用于探索外部電池數(shù)據(jù)與內(nèi)部電化學(xué)變化之間的關(guān)系。研究團(tuán)隊提出了一種可解釋的深度學(xué)習(xí)框架，利用梯度加權(quán)類激活映射（Grad-CAM）來解釋訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型的輸入和輸出之間的聯(lián)系。研究團(tuán)隊通過鋰電池容量衰退拐點識別任務(wù)對可解釋的深度學(xué)習(xí)框架進(jìn)行了演示。研究結(jié)果表明，該深度學(xué)習(xí)模型在有效預(yù)測電池容量衰退拐點的基礎(chǔ)上，可以敏銳捕捉與電池老化機制相關(guān)的特征，其中包括人類尚未完全理解的關(guān)鍵特征。此外，通過在不同預(yù)測任務(wù)（考慮多種電池體系、實際工況和數(shù)據(jù)集）中驗證該方法，展現(xiàn)了該框架優(yōu)秀的可遷移性。在無先驗知識的情況下，該可解釋的深度學(xué)習(xí)框架可以為研究者理解復(fù)雜電池老化機理提供新見解。該可解釋性深度學(xué)習(xí)方法的提出為電池相關(guān)領(lǐng)域的數(shù)據(jù)驅(qū)動研究提供了新的思路，將積極推動人工智能技術(shù)在先進(jìn)電池設(shè)計開發(fā)及安全使用方面的廣泛應(yīng)用。華東理工大學(xué)機動學(xué)院博士研究生王暢和博士后陳瑩為該論文的共同第一作者，欒偉玲教授和陳浩峰教授為共同通訊作者。該研究工作得到了國家自然科學(xué)基金和中國博士后科學(xué)基金等經(jīng)費資助。研究團(tuán)隊所在的先進(jìn)電池系統(tǒng)與安全重點實驗室，圍繞電池安全評價理論、安全檢測方法及安全保障技術(shù)等關(guān)鍵研究方向，致力于先進(jìn)電池系統(tǒng)與安全的應(yīng)用基礎(chǔ)研究和核心技術(shù)攻關(guān)。
聲明：化學(xué)加刊發(fā)或者轉(zhuǎn)載此文只是出于傳遞、分享更多信息之目的，并不意味認(rèn)同其觀點或證實其描述。若有來源標(biāo)注錯誤或侵犯了您的合法權(quán)益，請作者持權(quán)屬證明與本網(wǎng)聯(lián)系，我們將及時更正、刪除，謝謝。 電話：18676881059，郵箱：gongjian@huaxuejia.cn
在線客服
快速發(fā)布
我的店鋪
我的化學(xué)加
我的消息
我要充值
回到頂部
