来源：期刊VIP网 时间：
作者：徐达;王海瑞;朱贵富;
单位：昆明理工大学信息工程与自动化学院;昆明理工大学信息化建设管理中心;
摘要：准确预测锂电池的剩余使用寿命（RUL）对降低电池使用风险有着至关重要的作用。为了解决电池容量在实际应用中不易获得以及单一门控循环神经网络（GRU）不能有效提取数据间的深层特征等问题，提出一种基于间接健康因子的混合神经网络模型，即融合变分模态分解（VMD）、一维卷积神经网络（1D-CNN）和麻雀搜索算法（SSA）优化GRU的组合剩余使用寿命预测模型。采用NASA数据集验证所提模型的有效性，实验结果表明，相比于GRU、VMD-GRU、VMD-SSA-GRU，所提模型具有较高的预测精度与更快的运行速度，可以应用于锂电池RUL预测。
关键词：锂电池;;剩余使用寿命预测;;间接健康因子;;变分模态分解;;一维卷积神经网络;;麻雀搜索算法;;门控循环网络
基金资助：国家自然科学基金项目（61863016）
