當(dāng)前位置: 電池聯(lián)盟網(wǎng) > 前沿 >

中國科學(xué)院推出篩選退役電池的新方法

時間:2023-06-29 08:48來源:蓋世汽車 作者:劉麗婷
點擊:
       近年來,得益于鋰離子電池的高能量密度和低自放電特性,電動汽車的銷量在許多國家都出現(xiàn)顯著增長。然而,電動汽車電池的安全高效回收和分類已成為關(guān)注的焦點。
 
       據(jù)外媒報道,中國科學(xué)院(Chinese Academy of Sciences)福建物質(zhì)結(jié)構(gòu)研究所林名強博士課題組在期刊《Engineering Applications of Artificial Intelligence》發(fā)表了研究論文,提出一種基于格拉米角差場(Gramian angular difference fields,GADF)和ConvNeXt的退役電池篩選新方法。
 
       研究人員首先應(yīng)用分段聚合近似技術(shù)(segmented aggregation approximation),以降低退役電池數(shù)據(jù)集在恒流充電電壓曲線上的維數(shù),利用滑動窗口生成與原始長序列數(shù)據(jù)表現(xiàn)出相似趨勢的短序列數(shù)據(jù)。該過程實現(xiàn)了數(shù)據(jù)縮減,同時保留了基本特征信息,并減輕了計算負擔(dān)。
 
       然后,該團隊使用格拉米矩陣(GM)將簡化的恒流充電曲線轉(zhuǎn)換為二維圖像。 采用GADF方法利用格拉米亞矩陣對一維時間序列信息進行編碼。該技術(shù)對數(shù)據(jù)應(yīng)用歸一化和極坐標(biāo)處理,然后進行內(nèi)積運算來生成GADF圖像。該技術(shù)有效消除了冗余的多模態(tài)信息,降低了數(shù)據(jù)非線性的影響,并減輕了噪聲干擾。
 
       此外,研究人員還對GADF圖像進行了分類,以篩選退役電池。ConvNeXt網(wǎng)絡(luò)使用梯度下降和自適應(yīng)矩估計權(quán)重衰減(AdamW)優(yōu)化器,以動態(tài)更新卷積核的權(quán)重、偏差項、比例因子和其他網(wǎng)絡(luò)參數(shù),從而實現(xiàn)最佳性能。該優(yōu)化器結(jié)合了權(quán)重衰減以防止過度擬合。通過反向傳播算法,該網(wǎng)絡(luò)從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)了隱藏層的適當(dāng)權(quán)重。這些權(quán)重在訓(xùn)練過程中不斷更新和優(yōu)化,以最小化損失函數(shù)。
 
       通過比較GADF和傳統(tǒng)方法,以及對不同圖像分類網(wǎng)絡(luò)的評估,研究人員發(fā)現(xiàn)利用GADF作為ConvNeXt網(wǎng)絡(luò)的輸入可以提高篩選精度。未來的研究方向?qū)⒅饕杏谔剿骰诜謮旱耐艘垭姵睾Y選策略,并擴展數(shù)據(jù)集以驗證模型的普遍性。
 
        這項研究為減少對手動選擇功能的依賴,并提高數(shù)據(jù)驅(qū)動的退役電池篩選的準(zhǔn)確性提供了指導(dǎo)。
 
(責(zé)任編輯:子蕊)
文章標(biāo)簽: 退役電池
免責(zé)聲明:本文僅代表作者個人觀點,與中國電池聯(lián)盟無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本網(wǎng)證實,對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關(guān)內(nèi)容。
凡本網(wǎng)注明 “來源:XXX(非中國電池聯(lián)盟)”的作品,均轉(zhuǎn)載自其它媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點和對其真實性負責(zé)。
如因作品內(nèi)容、版權(quán)和其它問題需要同本網(wǎng)聯(lián)系的,請在一周內(nèi)進行,以便我們及時處理。
QQ:503204601
郵箱:cbcu@cbcu.com.cn
猜你喜歡
專題
相關(guān)新聞
本月熱點
歡迎投稿
聯(lián)系人:王女士
Email:cbcu#cbcu.com.cn
發(fā)送郵件時用@替換#
電話:010-56284224
在線投稿
企業(yè)微信號
微信公眾號