健康状态（SOH）估计是确保电池安全可靠运行的关键步骤。由于不同循环中数据分布和序列长度的差异等问题，大多数现有方法需要健康特征提取技术，这可能是耗时和劳动密集的。GRU由于结构简单和卓越的性能而受到广泛关注，可以很好地解决这个问题。然而，网络中仍然存在冗余信息，影响SOH估计的准确性。为了解决这个问题，提出了一种基于Hilbert-Schmidt独立性准则（GRU-HSIC）的新GRU网络。首先，使用零屏蔽网络将每个循环中测量的所有电池数据转换为相同长度的序列，同时仍保留每个循环中原始数据大小的信息。其次，从信息瓶颈（IB）理论发展而来的Hilbert-Schmidt独立性准则（HSIC）瓶颈被扩展到GRU，以压缩来自隐藏层的信息。为了评估所提出的方法，我们在马里兰大学的先进寿命周期工程（CALCE）和NASA Ames预测中心进行了数据集实验。实验结果表明，我们的模型比其他递归模型具有更高的精度。
论文链接：http://arxiv.org/pdf/2303.09497v1
更多计算机论文：http://cspaper.cn/