来源：期刊VIP网 时间：
作者：黄凯;郝润凯;郭永芳;
单位：河北工业大学省部共建电工装备可靠性与智能化国家重点实验室;河北工业大学河北省电磁场与电器可靠性重点实验室;河北工业大学人工智能与数据科学学院;
摘要：针对特征评价指标性能单一、预测模型特征捕捉能力不足和超参数难以确定等问题，提出基于特征综合评价和模型优化的锂离子电池健康状态（state-of-health,SOH）估计方法。首先，从原理和统计角度构建特征的综合评价指标，选取指标得分较高的特征作为模型输入；其次，结合卷积神经网络（convolutional neural networks,CNN）、高效局部注意力（efficient local attention,ELA）和双向门控循环单元（bi-directional gated recurrent unit,BiGRU）建立CNN-ELA-BiGRU预测模型，增强模型捕捉特征的能力；最后，利用金豺优化（golden jackal optimization,GJO）算法对模型进行超参数寻优，提高了模型的预测精度。对比实验结果表明，所提SOH估计方法具有良好的稳定性和鲁棒性。
关键词：锂离子电池;;特征综合评价指标;;高效局部注意力;;金豺优化算法;;健康状态估计
基金资助：中央引导地方科技发展资金项目（236Z4408G）;; 天津市自然科学基金资助项目（23JCYBJC00810）
