登录 | 注册
基于深度强化学习卡尔曼滤波锂离子电池SOC估计
Lithium-ion battery SOC estimation based on deep reinforcement learning Kalman filter
ES评分 0 浏览量:109 下载量:0
临沂临工新能源科技有限公司 山东临沂
[1] 杨婷婷.电池管理系统的概况和发展探讨[J].科技经济导刊,2020,28(32):27+26.
[2] 杜弘.电动汽车电池当前现状以及发展趋势探析[J].时代汽车,2017(20): 45-46.
[3] 张平.基于新能源汽车动力电池管理系统设计的分析[J].电子世界,2020(20):184-185.
[4] 基于深度强化学习的蜂窝网资源分配算法[J]. 廖晓闽;严少虎;石嘉;谭震宇;赵钟灵;李赞.通信学报,2019(02)
[5] 基于深度学习卷积神经网络的地震波形自动分类与识别[J]. 赵明;陈石;Dave Yuen.地球物理学报,2019(01)
[6] 基于STF&LM算法的串联锂离子电池组不一致性辨识与状态估计[J]. 葛云龙;陈自强.中国电机工程学报,2018(14)
[7] 基于自适应平方根无迹卡尔曼滤波算法的锂离子电池SOC和SOH估计[J]. 程泽;杨磊;孙幸勉.中国电机工程学报,2018(08)
[8] 基于模型的锂离子电池SOC及SOH估计方法研究进展[J]. 沈佳妮;贺益君;马紫峰.化工学报,2018(01)
卢绪兵, 彭学鑫. 基于深度强化学习卡尔曼滤波锂离子电池SOC估计 [J]. 电气工程与自动化. 2024; 3; (2). 5 - 8.
Copyright © 2023 CSCIED科技核心评价数据库 版权所有 京ICP备
Email:info@cscied.com网址:www.cscied.com
互联网出版许可证违法和不良信息举报中心举报邮箱:jubao@cscied.com