分类: 计算机科学 >> 计算机应用技术 提交时间: 2021-05-29
摘要: 本文提出了一个使用深度学习方法预测锂离子电池分容工序的容量的解决方案。该方案从化成和分容工序中提取部分工步的物理观测值记录作为特征,训练了一个深度神经网络(Deep Neural Network, DNN)实现了电池容量的精准预测。据测试,该模型预测的电池容量与真实值相比,平均百分比绝对误差(Mean Absolute Percentage Error, MAPE)仅为0.78%。将该模型与生产线结合,可以大大缩减生产时间与能耗,降低电池生产成本。