基于BiLSTM-STW神经网络的锂电池剩余容量预测

姚俊荣; 唐学用; 李庆生

doi:10.3969/j.issn.1002-087X.2023.07.014

PDF(3111 KB)

电源技术 ›› 2023, Vol. 47 ›› Issue (7) : 889-893. DOI: 10.3969/j.issn.1002-087X.2023.07.014

研究与设计:化学电源

基于BiLSTM-STW神经网络的锂电池剩余容量预测

{{article.zuoZhe_CN}}

作者信息 +

Remaining capacity prediction of lithium battery based on BiLSTM-STW neural network

{{article.zuoZhe_EN}}

Author information +

文章历史 +

本文亮点

HeighLight

摘要

Abstract

关键词

Key words

本文二维码

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

{{article.zuoZheCn_L}}. {{article.title_cn}}[J]. {{journal.qiKanMingCheng_CN}}, 2023, 47(7): 889-893 https://doi.org/10.3969/j.issn.1002-087X.2023.07.014

{{article.zuoZheEn_L}}. {{article.title_en}}[J]. {{journal.qiKanMingCheng_EN}}, 2023, 47(7): 889-893 https://doi.org/10.3969/j.issn.1002-087X.2023.07.014

中图分类号：

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析

参考文献

基金

编委：

主编：

责任编辑：

编辑:

版权

PDF(3111 KB)

Accesses

Citation

Detail

段落导航

收稿日期	出版日期
2023-01-23	2023-07-20
发布日期
2024-10-15

选择文件类型/文献管理软件名称

选择包含的内容