MétaCan
Menu
Retour à la cohorte
Enregistrement W2898380208 · doi:10.1155/2018/8705363

Estimation and Fault Diagnosis of Lithium-Ion Batteries: A Fractional-Order System Approach

2018· article· en· W2898380208 sur OpenAlexaff
Shulan Kong, Mehrdad Saif, Guozeng Cui

Notice bibliographique

RevueMathematical Problems in Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Windsor
Organismes subventionnairesGovernment of Shandong ProvinceGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésObserver (physics)Control theory (sociology)EstimatorFault (geology)Fault detection and isolationMode (computer interface)State observerState (computer science)Computer scienceEngineeringControl engineeringAlgorithmMathematicsControl (management)StatisticsNonlinear systemArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study investigates estimation and fault diagnosis of fractional-order Lithium-ion battery system. Two simple and common types of observers are designed to address the design of fault diagnosis and estimation for the fractional-order systems. Fractional-order Luenberger observers are employed to generate residuals which are then used to investigate the feasibility of model based fault detection and isolation. Once a fault is detected and isolated, a fractional-order sliding mode observer is constructed to provide an estimate of the isolated fault. The paper presents some theoretical results for designing stable observers and fault estimators. In particular, the notion of stability in the sense of Mittag-Leffler is first introduced to discuss the state estimation error dynamics. Overall, the design of the Luenberger observer as well as the sliding mode observer can accomplish fault detection, fault isolation, and estimation. The effectiveness of the proposed strategy on a three-cell battery string system is demonstrated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,249
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Problems in EngineeringMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207