論文の概要: A virtual sensor fusion approach for state of charge estimation of lithium-ion cells
- arxiv url: http://arxiv.org/abs/2508.04268v1
- Date: Wed, 06 Aug 2025 09:52:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.66589
- Title: A virtual sensor fusion approach for state of charge estimation of lithium-ion cells
- Title（参考訳）: リチウムイオンセルの電荷推定のための仮想センサ融合法
- Authors: Davide Previtali, Daniele Masti, Mirko Mazzoleni, Fabio Previdi,
- Abstract要約: 本稿では,リチウムイオンセルの電荷状態(SOC)を2つの広く使用されているパラダイムの組み合わせで推定する。
最近の仮想センサ (VS) 合成技術について考察し, 以下に示す。
データから直接Affine-Varyingモデルを学習し、(ii)APVモデルから線形オブザーバのバンクを導出する。
SOCを予測するために、オブザーバから抽出された特徴と入力および出力データから機械学習テクニックをトレーニングする。
- 参考スコア（独自算出の注目度）: 3.4291587263104346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the estimation of the State Of Charge (SOC) of lithium-ion cells via the combination of two widely used paradigms: Kalman Filters (KFs) equipped with Equivalent Circuit Models (ECMs) and machine-learning approaches. In particular, a recent Virtual Sensor (VS) synthesis technique is considered, which operates as follows: (i) learn an Affine Parameter-Varying (APV) model of the cell directly from data, (ii) derive a bank of linear observers from the APV model, (iii) train a machine-learning technique from features extracted from the observers together with input and output data to predict the SOC. The SOC predictions returned by the VS are supplied to an Extended KF (EKF) as output measurements along with the cell terminal voltage, combining the two paradigms. A data-driven calibration strategy for the noise covariance matrices of the EKF is proposed. Experimental results show that the designed approach is beneficial w.r.t. SOC estimation accuracy and smoothness.
- Abstract（参考訳）: 本稿では、等価回路モデル(ECM)と機械学習アプローチを備えたカルマンフィルタ(KF)という2つの広く使われているパラダイムを組み合わせることで、リチウムイオンセルの電荷状態(SOC)を推定する。
特に、以下に示すように、最近の仮想センサ(VS)合成技術について考察する。
i)データから直接セルのアフィンパラメータバリアリング(APV)モデルを学ぶ。
(ii)APVモデルから線形オブザーバのバンクを導出する。
三 観測者から抽出した特徴と入力及び出力データから機械学習技術を訓練し、SOCを予測すること。
VSによって返されるSOC予測は、2つのパラダイムを組み合わせたセル端子電圧とともに出力測定として拡張KF(EKF)に供給される。
EKFのノイズ共分散行列に対するデータ駆動キャリブレーション手法を提案する。
実験結果から, 設計手法はSOC推定精度と滑らかさに有益であることが示唆された。
関連論文リスト
- Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳（メタデータ） (2025-02-11T19:24:09Z) - GP-FL: Model-Based Hessian Estimation for Second-Order Over-the-Air Federated Learning [52.295563400314094]
2次法は学習アルゴリズムの収束率を改善するために広く採用されている。
本稿では,無線チャネルに適した新しい2次FLフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-05T04:27:41Z) - Rectified Diffusion Guidance for Conditional Generation [62.00207951161297]
CFGの背後にある理論を再検討し、組合せ係数の不適切な構成(すなわち、広く使われている和対1バージョン)が生成分布の期待シフトをもたらすことを厳密に確認する。
本稿では,誘導係数を緩和したReCFGを提案する。
このようにして、修正された係数は観測されたデータをトラバースすることで容易に事前計算でき、サンプリング速度はほとんど影響を受けない。
論文 参考訳（メタデータ） (2024-10-24T13:41:32Z) - COEFF-KANs: A Paradigm to Address the Electrolyte Field with KANs [5.759388420139191]
液体電解質の組成に基づいてクーロン効率(CE)を自動的に予測する新しい手法を提案する。
得られた電解質の特徴を多層パーセプトロンまたはコルモゴロフ・アルノルドネットワークに入力してCEを予測する。
実世界のデータセットを用いた実験結果から,本手法はCE予測のためのSOTAを全ベースラインと比較した結果を得た。
論文 参考訳（メタデータ） (2024-07-24T14:45:25Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。
本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。
多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
論文 参考訳（メタデータ） (2023-06-14T11:41:42Z) - Two-phase Dual COPOD Method for Anomaly Detection in Industrial Control
System [0.0]
従来のICS異常検出法は透明性と解釈性に欠けていた。
本稿では,これらの課題に対処する2相二重コプラ型外乱検出法(COPOD)を提案する。
この方法は経験的分布関数に基づいており、パラメータフリーであり、各特徴の異常への寄与を定量化することで解釈性を提供する。
論文 参考訳（メタデータ） (2023-04-30T18:13:40Z) - Interaction models for remaining useful life estimation [0.49109372384514843]
本論文は, センサの読み方に応じて, 産業機器の状態を制御している問題に対処する。
我々は,複数の特徴抽出ブロックを組み合わせたスケーラブルなモデルを構築する手法を提案した。
逐次センサ空間解析に基づく新しいモデルにより,C-MAPSSベンチマークにおける有用寿命推定のための最先端結果が得られた。
論文 参考訳（メタデータ） (2023-01-10T18:23:29Z) - Maximum Likelihood Learning of Unnormalized Models for Simulation-Based
Inference [44.281860162298564]
シミュレーションベース推論のための2つの合成確率法を提案する。
本研究では,シミュレータによって生成された合成データを用いて,条件付きエネルギーベースモデル(EBM)を学習する。
本研究は, カニの神経科学ネットワークのモデルに適用し, 各種合成データセット上での両手法の特性を実証する。
論文 参考訳（メタデータ） (2022-10-26T14:38:24Z) - Towards the simulation of transition-metal oxides of the cathode battery
materials using VQE methods [0.0]
変分量子固有解法(VQE)は、ノイズのある中間スケール量子ハードウェアを利用してモデルハミルトンの最小固有値を得るハイブリッド量子古典法である。
本研究では,バッテリカソード用遷移金属酸化物LiCoO$の基底状態エネルギーを得るためにVQE法を用いる。
論文 参考訳（メタデータ） (2022-08-16T22:30:54Z) - Accurate Discharge Coefficient Prediction of Streamlined Weirs by
Coupling Linear Regression and Deep Convolutional Gated Recurrent Unit [2.4475596711637433]
本研究では,CFDシミュレーションに代わるデータ駆動モデリング手法を提案する。
提案した3層階層型DLアルゴリズムは,後続の2つのGRUレベルを結合した畳み込み層で構成されており,LR法とハイブリダイゼーションすることで,誤差の低減につながることがわかった。
論文 参考訳（メタデータ） (2022-04-12T01:59:36Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳（メタデータ） (2022-03-23T12:52:49Z)
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。