天博深度学习框架可预测锂电池寿命—新闻—科学网 来源：天博企业 发表时间: 2024-08-17

近日，华东理工年夜学机械与动力项目学院、进步前辈电池体系与保险重点试验室传授栾伟玲课题组与国度级高条理人材、华东理工年夜学讲席传授陈浩峰互助，于全世界交通科学与技能范畴期刊《交通电动化》揭晓论文，初次提出用在锂电池寿命猜测相干的可注释性深度进修框架。

?

可注释性深度进修框架示用意。华东理工供图

于锂电池寿命猜测范畴，成立周全的电池老化模子是项艰难使命。是以，数据驱动要领遭到愈来愈多的存眷。深度进修已经被证实是电池运用范畴中一种强盛的数据驱动拟合要领。然而，可注释性仍旧是该范畴面对的应战，限定了深度进修要领的现实运用。

跟着可注释技能的成长，深度进修不只可以作为黑盒东西，还可以用在摸索外部电池数据与内部电化学变迁之间的瓜葛。研究团队提出了一种可注释的深度进修框架，哄骗梯度加权类激活映照来注释练习好的卷积神经收集模子的输入以及输出之间的接洽。

研究团队经由过程锂电池容量阑珊拐点辨认使命对于可注�첩释的深度进修框架举行了演示。成果发明，该深度进修模子于有用猜测电池容量阑珊拐点的根蒂根基上，可以敏锐捕获与电池老化机制相干的特性，此中包孕人类还没有彻底理解的要害特性。此外，经由过程于差别猜测使命，如思量多种电池系统、现实工况以及数据集中验证该要领，揭示了该框架优异的可迁徙性。于无先验常识的环境下，该可注释的深度进修框架可认为研究者理解繁杂电池老化机理提供新见解。该可注释性深度进修要领的提出为电池相干范畴的数据驱动研究提供了新的思绪，将踊跃鞭策人工智能技能于进步前辈电池设计开发及保险使用方面的广泛运用。

相干论文信息：https://doi.org/10.1016/j.etran.2023.100281

版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，消息网转载，请于正文上方注明来历以及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。/天博