辅导文章

模型描述

准确估计电池健康状态是设备稳定运行的关键。针对当前健康状态研究中容量难以直接测量、估计模型调参费时等问题，提出基于多健康特征的贝叶斯优化（BO）算法优化卷积神经网络（CNN）与双向长短期记忆（BiLSTM）神经网络预测模型。基于NASA 公开锂电池数据，提取3 种健康特征。将CNN 与BiLSTM 结合，提高时间序列数据处理能力，加入BO 算法自动搜寻最优参数集，避免组合网络模型陷入局部最优，从而减少评估时间。对比分析相关神经网络模型，结果表明所提方法预测准确度最高，可有效估计锂电池的健康状态，平均绝对误差和方均根误差均在1%以内。

预测效果