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.
초록·키워드
To advance the lithium-ion battery (LIB) technology more quickly, its lifetime should be predicted accurately. The precise prediction of LIB lifetime can help in producing new batteries, better use and operation of batteries. It is worthy for noting here that the LIB is a heavy nonlinear system suffering from battery fading, degradation, uncertainty and variability of operating conditions. Therefore, this article presents a hybrid extended Kalman filter with Newton Raphson method for lifetime prediction of lithium-ion batteries. The data analyses are based on commercial lithium iron phosphate/graphite cells cycled at fast charge. The cycle life expectancy is in the range of 150 to 2,300 cycles. The discharge voltage characteristics are used to present capacity degradation. The battery datasets are used with a hybrid Extended Kalman Filter (EKF) and Newton Raphson method to match the predicted cycle life and the actual cycle life of the battery. The effectiveness of the proposed method is verified by making a fair comparison with the linear regression-based machine-learning method. In the testing of 100 lifecycles, the test error and root mean square error record 3.26% and 10.93 compared with the linear regression that achieves 9.1% and 211, respectively. With the proposed hybrid approach, the lifetime prediction of LIBs can be further enhanced.
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
