論文の概要: A Transferable Multi-stage Model with Cycling Discrepancy Learning for Lithium-ion Battery State of Health Estimation

• arxiv url: http://arxiv.org/abs/2209.00190v1
• Date: Thu, 1 Sep 2022 02:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-02 13:26:48.448103
• Title: A Transferable Multi-stage Model with Cycling Discrepancy Learning for Lithium-ion Battery State of Health Estimation
• Title（参考訳）: リチウムイオン電池状態推定のためのサイクル離散学習を用いた移動可能多段階モデル
• Authors: Yan Qin and Chau Yuen and Xunyuan Yin and Biao Huang
• Abstract要約: 電池の完全ライフサイクルの多重劣化パターンは、伝達学習(TL)の追求を困難にしている 移動可能な多段SOH推定モデルを提案し,4段階からなる電池間TLを実現する。 提案手法は,3つのバッテリを用いたラン・ツー・フェイル・ベンチマークにおいて,様々な転送タスクにおける競合アルゴリズムよりも優れる。
• 参考スコア（独自算出の注目度）: 18.980782609740082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a significant ingredient regarding health status, data-driven state-of-health (SOH) estimation has become dominant for lithium-ion batteries (LiBs). To handle data discrepancy across batteries, current SOH estimation models engage in transfer learning (TL), which reserves apriori knowledge gained through reusing partial structures of the offline trained model. However, multiple degradation patterns of a complete life cycle of a battery make it challenging to pursue TL. The concept of the stage is introduced to describe the collection of continuous cycles that present a similar degradation pattern. A transferable multi-stage SOH estimation model is proposed to perform TL across batteries in the same stage, consisting of four steps. First, with identified stage information, raw cycling data from the source battery are reconstructed into the phase space with high dimensions, exploring hidden dynamics with limited sensors. Next, domain invariant representation across cycles in each stage is proposed through cycling discrepancy subspace with reconstructed data. Third, considering the unbalanced discharge cycles among different stages, a switching estimation strategy composed of a lightweight model with the long short-term memory network and a powerful model with the proposed temporal capsule network is proposed to boost estimation accuracy. Lastly, an updating scheme compensates for estimation errors when the cycling consistency of target batteries drifts. The proposed method outperforms its competitive algorithms in various transfer tasks for a run-to-failure benchmark with three batteries.
• Abstract（参考訳）: 健康状態に関する重要な要素として、リチウムイオン電池(LiB)では、データ駆動型健康状態推定(SOH)が主流となっている。 電池間のデータ不一致を処理するため、現在のSOH推定モデルは転送学習(TL)に携わり、オフライン訓練モデルの部分構造を再利用することで得られる知識を予備的に確保する。 しかし、電池の全ライフサイクルの複数の劣化パターンはTLを追求することが困難である。 ステージの概念は、同様の劣化パターンを示す連続サイクルの集合を記述するために導入された。 移動可能な多段soh推定モデルを提案し、4段階からなる同じ段階の電池間でtlを行う。 第一に、特定ステージ情報により、電源電池からの生サイクルデータを高次元の位相空間に再構成し、限られたセンサーで隠れたダイナミクスを探索する。 次に、再構成されたデータで離散部分空間をサイクリングすることで、各段階のサイクルにまたがるドメイン不変表現を提案する。 第3に、異なるステージ間の不均衡放電サイクルを考慮して、長い短期記憶ネットワークを持つ軽量モデルと、提案した時間カプセルネットワークを持つ強力なモデルからなる切換推定戦略を提案し、推定精度を高める。 最後に、更新方式は、目標電池のサイクリング一貫性がドリフトするときに推定誤差を補償する。 提案手法は,3つの電池を搭載したラン・トゥ・フェイルアベンチマークにおいて,様々な転送タスクにおいて,その競合アルゴリズムを上回っている。

関連論文リスト

• A Comparison of Baseline Models and a Transformer Network for SOC Prediction in Lithium-Ion Batteries [0.0]
  電池管理システムが充電状態を正確に推定する能力は、この問題を軽減するのに役立つ。 本稿では,SOC推定のためのニューラルネットワークモデルと一般的な回帰モデルを比較した。 BMW i3バッテリの自然運転サイクルから得られたデータを用いて様々な実験を行った結果、決定木は他の全てのモデルよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-10-22T14:27:43Z)
• A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
  本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。 その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T22:05:17Z)
• Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
  シミュレーションの少ない機械学習(ML)アプローチを提案する。 提案手法により,OCCを全回路の仕様に近づけることができることを示す。
  論文  参考訳（メタデータ） (2023-06-23T12:57:46Z)
• Distributed Learning in Heterogeneous Environment: federated learning with adaptive aggregation and computation reduction [37.217844795181975]
  異種データ、時間的変化のある無線条件、コンピューティングに制限のあるデバイスは3つの大きな課題である。 これらの課題に対処するための戦略を提案する。 提案手法は, 適度な遅延環境下で最大15ラウンドの通信遅延を許容できる。
  論文  参考訳（メタデータ） (2023-02-16T16:32:54Z)
• Digital Twin for Real-time Li-ion Battery State of Health Estimation with Partially Discharged Cycling Data [16.637948430296227]
  リチウムイオン電池(LIB)の健康状態(SOH)推定は劣化特性と密接な関係がある。 提案したディジタルツインソリューションは、リアルタイムなSOH推定を可能にする3つのコアコンポーネントから構成される。 本手法は, サイクル中のサンプリング時間の大半に対して, 誤差が1%未満のリアルタイムSOH推定を行う。
  論文  参考訳（メタデータ） (2022-12-09T01:30:10Z)
• Transfer Learning-based State of Health Estimation for Lithium-ion Battery with Cycle Synchronization [16.637948430296227]
  バッテリーの健康状態(SOH)を正確に推定することは、バッテリー駆動アプリケーションの予期せぬ失敗を防ぐのに役立ちます。 新たなバッテリのモデルトレーニングにおけるデータ要件の低減という優位性により,トランスファーラーニング(TL)が有望な機械学習アプローチとして出現する。 本稿では、時間的ダイナミクスを利用してTLに基づくSOH推定を解釈し、伝達学習を支援する手法を提案する。
  論文  参考訳（メタデータ） (2022-08-23T21:40:40Z)
• CLMFormer: Mitigating Data Redundancy to Revitalize Transformer-based Long-Term Time Series Forecasting System [46.39662315849883]
  時系列予測(LTSF)は,様々な応用において重要な役割を担っている。 既存のTransformerベースのモデルであるFedformerやInformerは、いくつかのエポックの後、検証セット上で最高のパフォーマンスを達成することが多い。 本稿では,カリキュラム学習とメモリ駆動デコーダの導入により,この問題に対処する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-07-16T04:05:15Z)
• Posterior Coreset Construction with Kernelized Stein Discrepancy for Model-Based Reinforcement Learning [78.30395044401321]
  我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。 ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。 連続的な制御環境では、壁時計の時間を最大50%削減することができる。
  論文  参考訳（メタデータ） (2022-06-02T17:27:49Z)
• Lithium-ion Battery State of Health Estimation based on Cycle Synchronization using Dynamic Time Warping [13.19976118887128]
  健康状態推定(SOH)は、電池容量の減少による予期せぬ故障を避けるために、電池駆動アプリケーションにおいて重要な役割を担っている。 本稿では、動的時間ワープを用いて、既存の座標系を変更するための革新的なサイクル同期手法を提案する。 提案手法は,時系列の時間情報を活用することで,時間指標と元の測定値を新しい指標に組み込んで,電池劣化状況を反映する。
  論文  参考訳（メタデータ） (2021-09-28T02:53:54Z)
• State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks [68.8204255655161]
  リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。 本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
  論文  参考訳（メタデータ） (2020-09-20T23:47:11Z)
• Invariant learning based multi-stage identification for Lithium-ion battery performance degradation [16.637948430296227]
  本稿では,電池性能劣化が一定の動作に追従するかどうかを検討するために,不変学習に基づく手法を提案する。 複数の劣化挙動の存在を判断するために, 新たな多段階分割戦略が提案されている。 提案手法は,データの観点からの劣化メカニズムの洞察を可能にするだけでなく,健康状態などの関連トピックにも有効である。
  論文  参考訳（メタデータ） (2020-08-12T06:09:46Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。