인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 10%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
피인용 0
초록·키워드
Constant current(CC)-constant voltage(CV) charging, which is commonly used in various applications, has the advantage of simple implementation and low cost but is unsuitable for rapid charging technology. Accordingly, various rapid charging technologies are being developed, and many studies have emerged for their applications. However, rapid charging technology can cause rapid battery performance degradation and safety problems. To overcome this problem, estimating the health of the battery is important. To estimate the health condition within battery, the health indicators of the charging section are mainly used. However, given that the patterns of current, voltage, and temperature input data into the charging section are different for each charging profile, the health indicator selection method associated with state-of-health(SOH) must also be taken differently. In this paper, we propose a method of selection health indicator according to the charging profile and evaluate the health condition estimation performance according to each health indicator selection method using the long short-term memory(LSTM) model.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
