有效评估电池退化对于有效利用和维护电池管理系统非常重要。本研究引入了一种创新的残差卷积网络 （RCN） 门控循环单元 （GRU） 模型，以在多个时间尺度上准确评估锂离子电池的健康状况。该模型采用软参数共享机制来识别短期和长期退化模式。连续循环的 $Q（V）、T（V）、\frac{\mathrm{d}Q}{\mathrm{d}V}$ 和 $\frac{\mathrm{d}T}{\mathrm{d}V}$ 被提取出来形成一个四通道图像，RCN 可以从中自动提取特征，而 GRU 可以从中捕获时间特征。通过设计软参数共享机制，该模型可以在双时间尺度上无缝预测容量和剩余使用寿命 （RUL）。所提出的方法在包含 124 个细胞的大型 MIT-Stanford 数据集上进行了验证，在容量的平均绝对误差为 0.004 77 和 RUL 的平均绝对误差为 83 方面显示出很高的准确性。此外，研究部分电压片段揭示了所提方法在各种电压范围内的良好性能。具体来说，在 2.8-3.2 V 的分电压段中，容量的均方根误差为 0.010 7，RUL 的均方根误差为 140。



"点击查看英文标题和摘要"