Diagnosis and Prognosis of Lithium-Ion Batteries State Using Machine Learning
Notice bibliographique
Résumé
Lithium-ion batteries (LIBs) have recently emerged as the dominant energy storage solution for electric vehicles (EVs) and stationary energy storage systems.However, safety and reliability concerns continue to impede their widespread adoption, particularly in the EV market.As battery aging leads to capacity and power decline, it directly impacts the range and safety of EVs, emphasizing the urgent need for sustainable energy solutions.Battery management systems (BMS) have been developed to control battery operations by measuring variables such as voltage, current, and temperature of the battery, enabling the estimation of various critical states within the battery.Among these states, precise health estimation and temperature monitoring are crucial for extending battery life and mitigating potential risks.This doctoral thesis explores novel methodologies aimed at enhancing the longevity and performance of LIBs through precise health and temperature estimation.Initially, the research introduces a meticulous long-term estimation of the state of health (SOH) and prediction of remaining useful life (RUL) utilizing nonlinear autoregressive with exogenous input (NARX) recurrent neural networks (RNN).Given the dependency of battery health estimation accuracy on the quality and quantity of available data, the study emphasizes the critical need for establishing reliable battery health prognosis methods, especially in industries where sensor data may be intermittently inaccessible.Subsequently, this thesis presents further research introducing an accurate model for estimating LIBs' SOH utilizing NARX recurrent neural networks, even in scenarios where certain features are subject to random missing measurements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».