《表4 SVM参数设置:基于长短期记忆网络的电动汽车电池故障诊断》
从表4可以看到,采用SVM模型得到的电池故障诊断准确率明显低于本文提出的基于LSTM模型电池故障诊断方法的准确率;与采用分段特征提取并结合遗传算法优化的SVM模型方法比较,本文提出的方法仍然具有更高的准确率。除此之外,本文提出的基于LSTM模型的电池故障诊断方法无须进行特征提取和筛选,不仅降低了使用机器学习进行故障诊断的训练难度,而且避免了由于特征选取不当而造成电池故障诊断正确率下降的问题。因此,本文提出的电池故障诊断模型不仅不需要人为提取电池故障特征,而且具有更高的预测准确率。
图表编号 | XD00162166600 严禁用于非法目的 |
---|---|
绘制时间 | |
作者 | 刘宏阳、杨林、李济霖 |
绘制单位 | 上海交通大学机械与动力工程学院、上海交通大学机械与动力工程学院、上海交通大学机械与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |